Magallanes Nahuel - BI aplicada_en la Gestión de Producción.pdf
-
Upload
peter-parker -
Category
Documents
-
view
52 -
download
0
Transcript of Magallanes Nahuel - BI aplicada_en la Gestión de Producción.pdf
Inteligencia de Negocio aplicada
en la Gestión de Producción.
Córdoba, 21 de Junio de 2012.
Quiero agradecer enormemente la gentileza que tuvo el Sr. Juan Manuel Molla por abrir las puertas
de la organización de la cual él forma parte, para permitir desarrollar este trabajo de grado en las
instalaciones de Magneti Marelli. De no haber tenido su apoyo y su confianza, este proyecto no se
habría podido realizar. Muchas gracias Juan Manuel.
Se hace un agradecimiento muy especial al Ing. Mariano Garcia Mattio, por haber compartido sus
experiencias y conocimientos a lo largo del cursado de la carrera de Ingeniería. Valoro ampliamente
su aporte realizado y la dedicación que tuvo en los años que fue mi profesor. Muchas Gracias
Mariano.
También quiero agradecer a mi colega y amigo, compañero de aventuras universitarias, al Ing
Ricardo Dario Bernabeu, por aceptar ser el tutor de esta Tesis y por haber colaborado ampliamente
en la supervisión del trabajo. Su participación fue de gran importancia por brindar un análisis
crítico muy completo y por haber aportado sus experiencias que, sin lugar a dudas, fueron muy
provechosas para el proyecto. Muchas Gracias Dario.
Este trabajo está dedicado a mi familia y amigos, más particularmente a cada uno de mis abuelos,
Raúl Argentino Magallanes, Amelia Martínez Luque, Ricardo Víctor Udovicich y Nelbia Filomena
Margarita Baudino. A mis padres, Raúl Argentino Magallanes y Alicia del Valle Udovicich. A mis
hermanas Lorena Beatriz Magallanes Udovicich y Mariana Loreta Magallanes Udovicich. A la
familia Molla-Autelli. A la familia Villacé-Magallanes. A la familia Portela.
DECLARACIÓN DE LOS DERECHOS DE AUTOR
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de
este documento con fines didácticos.
TECNOMAG, el logotipo de TECNOMAG, Adalia y el logotipo de Adalia, son marcas
comerciales registradas de TECNOMAG I&D® en Argentina.
Todos los nombres comerciales que aparecen en este documento son propiedad de sus
respectivos propietarios.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 5
ÍNDICE
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 6
ÍNDICE ......................................................................................................................................... 5
PRÓLOGO .................................................................................................................................... 8
RESUMEN .................................................................................................................................. 10
INTRODUCCIÓN ...................................................................................................................... 12
Título del proyecto .................................................................................................................. 13
Introducción ............................................................................................................................ 13
Destinatario ............................................................................................................................. 14
Situación problemática ............................................................................................................ 15
Problema ................................................................................................................................. 16
Objeto de estudio ..................................................................................................................... 17
Campo de acción ..................................................................................................................... 18
Objetivos ................................................................................................................................. 18
Justificación de la propuesta ................................................................................................... 19
Delimitación del proyecto ....................................................................................................... 20
Beneficios esperados ............................................................................................................... 21
Aporte teórico .......................................................................................................................... 23
Aporte práctico ........................................................................................................................ 23
Métodos y medios de ingeniería .............................................................................................. 23
MARCO CONTEXTUAL .......................................................................................................... 25
Entorno del Objeto de Estudio ................................................................................................ 26
Relación tesista y Objeto de estudio. ...................................................................................... 27
Análisis de problemas observados. ......................................................................................... 29
MARCO TEÓRICO .................................................................................................................... 31
Marco Teórico del Objeto de Estudio ..................................................................................... 32
Software Open Source ......................................................................................................... 32
Business Intelligence o Inteligencia de Negocio. ................................................................ 33
Beneficios de las Soluciones BI: ......................................................................................... 36
Cuadro de Mando Integral ................................................................................................... 37
Sistemas de Soporte a la Decisión (DSS) ............................................................................ 37
Sistemas de Información Ejecutiva (EIS) ........................................................................... 38
Data Warehouse .................................................................................................................. 38
Características ..................................................................................................................... 39
Ventajas ............................................................................................................................... 39
Data Marts ........................................................................................................................... 40
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 7
Metodología Hefesto ........................................................................................................... 47
Data Mining ........................................................................................................................ 54
MODELO TEÓRICO ................................................................................................................. 59
Introducción ............................................................................................................................ 60
Programación de actividades ................................................................................................... 61
Requerimientos funcionales del sistema ................................................................................. 62
Requerimientos no funcionales del sistema ............................................................................ 64
Arquitectura Lógica............................................................................................................. 65
Infraestructura requerida ..................................................................................................... 66
Selección de la Tecnología .................................................................................................. 68
Diseño del modelo ................................................................................................................... 70
Análisis de requerimiento .................................................................................................... 70
Análisis de los OLTP. ......................................................................................................... 74
Modelo lógico del Data Warehouse .................................................................................... 86
Procesos ETL ...................................................................................................................... 94
Creación de cubos multidimensionales ................................................................................. 108
CONCRECIÓN DEL MODELO .............................................................................................. 116
Implementación: .................................................................................................................... 117
Lenguajes de Programación .............................................................................................. 117
Arquitectura y componentes .............................................................................................. 122
Esquema de directorios y artefactos .................................................................................. 122
Prueba General del Sistema................................................................................................... 162
Análisis de resultados: ........................................................................................................... 191
Experiencias Alcanzadas ....................................................................................................... 199
Puesta en Marcha .................................................................................................................. 200
CONCLUSIONES .................................................................................................................... 203
REFERENCIA BIBLIOGRÁFICA .......................................................................................... 208
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 8
PRÓLOGO
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 9
Este trabajo de tesis describe el estudio de campo de una solución Business Intelligence
aplicado a una organización piloto donde se realiza la implementación de un Data
Warehouse con el objetivo de resolver los inconvenientes encontrados en la empresa en
cuestión.
El mismo está dividido en cuatro partes fundamentales más una introducción. En la
parte inicial, la introducción, el lector podrá tomar contacto con la organización donde
se realiza el estudio, el problema identificado y los objetivos establecidos. En adelante,
las siguientes partes contienen el desarrollo de la tesis propiamente dicha.
Los cuatro capítulos fundamentales son: El Marco Contextual, que incluye el entorno
del objeto de estudio, la relación del tesista con el objeto de estudio y el análisis de los
problemas observados. En esta sección el lector podrá tomar contacto con el problema y
la situación en la que se encuentra la organización; A continuación, se encuentra el
Marco Teórico que contiene el marco del objeto de estudio. Allí se abordaran todos los
temas y conceptos que son necesarios conocer para comprender el funcionamiento
general del sistema y del Data Warehouse. Luego esta el Modelo Teórico. Esta es la
sección dónde se recaban los requerimientos funcionales y no funcionales del sistema,
se establece cual será la arquitectura lógica y la infraestructura utilizada y, finalmente,
se definen los componentes necesarios para la implementación. Por último, arribamos a
la sección Concreción del Modelo. Aquí se describe cómo se realizó la implementación
del sistema, cuáles fueron las pruebas realizadas y los resultados obtenidos. Más
adelante, se describen las experiencias alcanzadas con el empleo de la herramienta y se
concluye la etapa con la puesta en marcha del sistema propuesto.
Se pretendió hacer que el trabajo resulte muy completo, detallado y sobre todo
informativo. Se espera que el lector lo encuentre muy ameno y atienda sus inquietudes
lo mejor posible.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 10
RESUMEN
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 11
Magneti Marelli es una empresa Pyme radicada en ciudad Córdoba Capital que se
dedica a la fabricación de caños de escape. La Gerencia General, encabezada por Juan
Manuel Mollá, se contactó en un primer momento con la intención de que se realice un
estudio de campo para diagnosticar los problemas presentes y proponer una solución
destinada a mejorar el sistema de información que poseía hasta ese momento.
Del estudio realizado surgió que la información que se recolectaba en la organización
finalmente era registrada sobre planillas papel. Esta situación presentaba un gran
impedimento a la hora de obtener informes confiables a partir de los datos disponibles.
Por otra parte, la información generada a partir de las planillas, era calculada
manualmente por el personal administrativo, lo que generaba un grado de incertidumbre
importante y una demora considerable en las decisiones estratégicas.
Consecuentemente, el proceso de toma de decisión de la organización se veía
drásticamente afectado.
En aquel momento, se propuso aplicar una Solución de Negocio que permita almacenar
y procesar la información digitalmente para facilitar su posterior análisis y, con ello,
mejorar la gestión de los procesos productivos en la empresa. Esta solución iba a estar
soportada sobre una plataforma de uso libre disponible en el mercado. Se decidió
utilizar para ello la solución Pentaho BI.
Para el diseño y la implementación de esta solución se trabajó en base a los pasos
propuestos por la Metodología Hefesto, desarrollada por Ing. Bernabeu Ricardo Dario,
la cual permitió guiar el trabajo pasando por cuatro procesos fundamentales: el análisis
de los requerimientos, el análisis de los OLTP, la construcción del modelo lógico Data
Warehouse y la definición de los procesos ETL.
Como resultado de este proyecto se desarrolló el Sistema Adalia registrado bajo la
marca Tecnomag I&D®. Este programa es una solución de inteligencia de negocio que
está separado en dos partes: la carga y almacenamiento de la información obtenida de
los procesos de producción y, por otro lado, el panel de control para el análisis histórico
de la información destinada a asistir las decisiones gerenciales.
En base a la experiencia alcanzada en esta tesis se pudo exponer el mejoramiento
obtenido con el tratamiento sistematizado de la información dentro de la empresa piloto
y, a su vez, quedaron demostradas las ventajas que poseen las herramientas descriptas
en este trabajo, para ser aplicadas en empresas PyMes.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 12
INTRODUCCIÓN
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 13
Título del proyecto
“Inteligencia de Negocio aplicada en la Gestión de Producción”.
Introducción
Con frecuencia sucede en las empresas que el volumen de información generada
diariamente crece de manera drástica, al mismo tiempo en el que se incrementan las
variables que intervienen en la actividad desarrollada. Esta situación provoca la
necesidad de procesar sistemáticamente la información para facilitar la interpretación de
las variables que intervienen en el proceso de toma de decisión empresarial. En ese
momento, se torna imprescindible que la organización emplee diversos recursos en la
búsqueda de una solución que permita atender esta necesidad.
La principal dificultad al momento de buscar una herramienta adecuada es la
imposibilidad de encontrar rápidamente una solución que resuelva el problema de
manera acabada. Esto genera como resultado que ciertas organizaciones opten por
adquirir soluciones informáticas no orientadas a los negocios que, lejos de correjir el
problema, complican aún más la situación que desean mejorar.
Este problema se presenta principalmente por tres aspectos principales: En primer lugar,
el elevado costo de inversión requerido para implementar cualquier solución candidata
que, muchas veces, supera las expectativas del grupo gerencial. En segundo lugar es
importante destacar que todas las soluciones son complejas por lo que el tiempo
requerido para la evaluación de cada una de ellas es generalmente insuficiente. Por
último, como el costo y el esfuerzo necesario para evaluar cada una de las herramientas
son demasiado grandes, en muchos casos es preferible analizar los resultados de alguna
implementación anterior antes de iniciar un estudio completo por parte de la misma
empresa. A veces, realizar esto no es posible puesto que no existen antecedentes de
público conocimiento que validen o verifiquen previamente una implementación de este
tipo.
Ante esta situación, las organizaciones pequeñas y medianas rara vez llegan a utilizar
soluciones de Inteligencia de Negocio para asistir la toma de decisión gerencial,
característica fundamental en este tipo de soluciones.
El objetivo del proyecto es desarrollar dentro de una empresa piloto una solución de
Inteligencia de Negocio aplicado a la gestión de producción, utilizando para esto una
plataforma de uso libre disponible en el mercado.
La organización que participa en calidad de Empresa Piloto es “Magneti Marelli
Conjuntos de Escape S.A.”. Con la voluntad de Juan Manuel Mollá, Gerente General de
Planta, se tuvo la oportunidad de ingresar a la empresa para realizar el estudio y
desarrollo de una plataforma mútuamente beneficiosa, que permitió alcanzar el objetivo
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 14
pretendido para esta tesis y, al mismo tiempo, le brindó a la organización la posibilidad
de explotar los beneficios obtenidos en este trabajo.
El proyecto se originó a partir de una charla informal mantenida con Juan Manuel
Mollá, a mediados del año 2009. En aquel momento, el personal gerencial tenía la
necesidad de contar con una herramienta de gestión que presente información oportuna
para la toma de decisión empresarial. Se indagó respecto del tipo de datos que se
requerían, el grado de detalle y la frecuencia con la que se la debía consultar la
información y, luego de analizar las características del problema, se propuso la
implementación de un sistema integrado para el almacenamiento y procesamiento de los
datos, junto a la construcción de un panel de control para el análisis de los indicadores
que se obtendrían del sistema.
La motivación para comenzar el proyecto fue la oportunidad de realizar el desarrollo de
un Sistema de Inteligencia de Negocio aplicado en un problema real. El desarrollo
incluyó, por un lado, la construcción de un almacén de datos que permite el análisis de
la información de manera sistemática, pasando por las etapas de definición, diseño y
construcción incluidas en el proceso de Data Warehousing estudiado (proceso de
desarrollo constructivo de un Data Warehouse), pudiendo aportar a la organización una
solución concreta a su problema. Por otra parte, se tuvo la posibilidad de abordar el
campo de estudio referido a la Minería de Datos, aprovechando los datos que se
obtendrían a partir de este sistema para enriquecer, de esta forma, el trabajo de grado.
Destinatario
“Magneti Marelli Conjuntos de Escape S.A.”
La empresa destinataria de este proyecto es “Magneti Marelli Conjuntos de Escape
S.A.” cuya principal actividad es, como su razón social lo sugiere, la fabricación de
caños de escape para automóviles. La misma se encuentra físicamente ubicada en la
Ciudad de Córdoba a metros del acceso sur de la circunvalación, sobre la avenida Vélez
Sarsfield al 4500.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 15
Situación problemática
Magneti Marelli es una empresa multinacional de autopartes que, desde hace unos años,
ha radicado una planta industrial en Córdoba para fabricar y comercializar sus productos
en el mercado local suministrándolos a diversas terminales automovilísticas de la
región.
Debido al continuo crecimiento de la actividad que la organización tuvo en los últimos
años, la alta Gerencia detectó dificultades en el seguimiento y control de la producción.
Por un lado, habían identificado que la información que adquirían de su Sistema de
Información no poseía el grado de detalle suficiente que permitiera tomar decisiones
que afecten positivamente el proceso productivo con el fin de mejorar el rendimiento
general de la organización. Por otro lado surgió, de las entrevistas realizadas, la
necesidad de conocer con un mayor nivel de detalle los valores diarios de producción
como, así también, la de analizar datos históricos para poder generar y supervisar planes
de mejora más certeros y predecir posibles desviaciones.
Por esta razón, se encomendó la tarea de analizar, diagnosticar y proponer una solución
informática que pueda implementarse en un plazo previsible para complementar el
sistema de gestión de la organización.
Se inició entonces el relevamiento para estudiar los principales procesos productivos de
la empresa y se profundizó en el análisis del sistema de información que tenían, con la
intención de evaluar el procesamiento que se realizaba sobre los datos hasta ese
momento. Para ello se realizaron diversas actividades: visitas y recorridos por el interior
de la fábrica; se recopilaron documentos, entre ellos, las planillas de declaración de
producción; se llevaron a cabo entrevistas a los principales responsables en el proceso
de toma de decisión, el gerente de producción, el gerente de calidad y el gerente general
de Magneti Marelli.
A partir del trabajo de relevamiento se detectó que los empleados de planta trabajaban
en tres turnos. Todos ellos operan la maquinaria de forma individual y realizan un único
proceso por vez dentro de la línea de fabricación al cuál fueron asignados. Al completar
la jornada laboral, los empleados deben llenar una planilla donde dejan asentadas tanto
las horas de trabajo realizadas y la producción alcanzada, junto a otros datos adicionales
como ser: los problemas de fabricación o detenciones inesperadas en la línea de
producción, siempre y cuando éstos existan. Estas “declaraciones de producción” eran
utilizadas posteriormente para permitir realizar seguimientos tanto de los empleados
como de los procesos. A partir de la información registrada se podía consultar,
adicionalmente, el presentismo de los trabajadores, las horas trabajadas, las piezas
fabricadas y el rendimiento individual de fabricación alcanzado por cada empleado.
En algunos casos el gerente de producción podía tomar ciertas decisiones estratégicas
basándose en la información recabada, como por ejemplo, el cambio de un proceso, la
modificación de un parámetro o la programación de la rotación de personal a fin de
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 16
mejorar el rendimiento general de la organización. Además, era posible obtener datos
mensuales de la producción, las horas totales de fabricación y las cantidades totales de
piezas fabricadas utilizados para cumplimentar diversos procedimientos
administrativos.
Para obtener todos estos informes, una persona debía revisar personalmente cada
planilla involucrada en el período de tiempo requerido para el análisis y calcular
manualmente todos los valores de interés. De la misma manera se operaba para obtener
los volúmenes de fabricación, el total de horas de parada de máquina, la cantidad de
piezas totales defectuosas y el rendimiento general de la organización. Estos informes
eran utilizados posteriormente para respaldar las decisiones gerenciales a mediano y
largo plazo.
En muchas ocasiones, esto se tornaba impráctico por la cantidad de planillas que se
encontraban afectadas, lo que provocaba que los indicadores de gestión fueran muy
complicados de obtener y lentos de calcular. Finalmente, estos valores tampoco resultan
ser suficientemente confiables por haber sido obtenidos con métodos manuales falibles
a los errores u omisiones por parte de los operarios.
Hasta aquí se había detectado cuál era la necesidad, cuál la información relevante y se
conocía un procedimiento para recopilar los datos. A partir del análisis realizado, se
pudo comprender que los problemas de carencia de información en los altos mandos de
la empresa, se debían a un inconveniente ocurrido en alguna etapa intermedia entre la
recopilación de los datos obtenidos de cada proceso de fabricación y la instancia final
para su consulta por parte de los gerentes. En definitiva, el problema se producía debido
a una selección inadecuada del soporte utilizado para almacenar todos estos datos. Al
quedar registrado todo en papel se tornaba muy complicada la gestión de la
información, tanto para accederla como para procesarla.
Problema
Como resultado del proceso de diagnóstico, se pudo identificar que el principal
inconveniente que reportaba Magneti Marelli consistía en la imposibilidad de adquirir
información detallada de cada proceso productivo para identificar las causas que
afectaban negativamente en la productividad, como así también, la imposibilidad de
cuantificar sus niveles de incidencia. La información con la que se contaba por ese
entonces en la empresa no estaba siendo procesada e integrada a una herramienta de
análisis de datos dinámicos, lo que impedía estudiar las variables intervinientes en el
proceso productivo. Mucho más difícil aún, bajo esta situación, era poder realizar una
predicción que les permita ejecutar acciones proactivas y verificar, a lo largo del
tiempo, los resultados obtenidos.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 17
Por esta razón, el principal desafío era encontrar la forma de agilizar el sistema de
gestión de información actual, con el fin de lograr un mayor grado de certidumbre y un
menor tiempo de respuesta en las decisiones estratégicas. Considerando que, con la
ayuda de un sistema informatizado, los gerentes de Magneti Marelli, lograrían una
mayor agilidad en la obtención de los datos relevantes y un mayor nivel de
confiabilidad en la información que tienen hasta el momento. Por esta razón, se propuso
diseñar una solución de inteligencia de negocio adecuada, destinada a dar respuesta a
los principales problemas encontrados en el sistema de información de la organización.
Objeto de estudio
El objeto de estudio del presente proyecto es el sistema de información de los procesos
productivos de Magneti Marelli. Cuyo foco de estudio estuvo centrado en el desarrollo
y la implementación de una solución de Inteligencia de Negocio destinada a brindar un
soporte práctico y confiable para la toma de decisión empresarial.
Para ello, se trabajó en el marco de esta organización piloto, donde se buscó identificar
las falencias e inconvenientes que surgían en el tratamiento de los datos, con el objetivo
de brindar una herramienta eficiente que sea acorde a las necesidades de la empresa y
permita asistir las decisiones gerenciales. Los resultados iniciales obtenidos del proceso
de diagnóstico permitieron establecer los requerimientos principales de la solución
propuesta en Magneti Marelli.
En primer lugar, dado que la información iba a ser empleada para tomar decisiones
críticas en la empresa, la misma, tenía que estar correctamente recopilada y ser
adecuadamente procesada para mantener cierta calidad a la hora de ser entregada. Para
esto, era muy importante que los datos fueran almacenados y mantenidos respetando su
integridad de manera que los informes sean altamente confiables.
En segundo lugar, la información requerida no sólo debía analizarse diariamente, sino
que además debía permitir analizar registros históricos, es por ello que, a priori, se
comenzó a pensar en una solución orientada a resolver a esta necesidad. Se hizo
necesario tener en cuenta, tal como lo solicitó el gerente de planta, el señor Juan M.
Molla, que los datos pudieran ser consultados y estudiados dinámicamente. Por lo que la
solución propuesta, debía permitir el análisis y la indagación de la información en
diferentes niveles de profundidad y desde distintas perspectivas para llegar identificar
los conflictos y sus causalidades.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 18
Campo de acción
Una vez detectadas las necesidades de la organización y definidos los requerimientos
para la solución a desarrollar, se estableció el campo de acción de la siguiente manera:
a) Guiar el trabajo con la metodología Hefesto.
b) Implementar un Sistema de Inteligencia de Negocio.
c) Realizar un estudio de Data Mining sobre los datos obtenidos.
La solución de negocio planteada se comenzó a diseñar a partir de la detección de las
necesidades propias del cliente. El primer paso fue identificar, en detalle, qué
información era requerida y cuál era su frecuencia de uso. Luego de ello, se continuó
con las etapas descriptas en la Metodología Hefesto, que permitió desglosar el diseño en
cuatro procesos fundamentales: el Análisis de requerimientos, el Análisis de los OLTP
(OnLine Transaction Processing), la construcción del Modelo Lógico del Data
Warehouse, y la definición de los procesos ETL (Extract, Transform, Load).
Finalizado el diseño y la implementación del nuevo Almacén de Datos, se estuvo en
condiciones de diseñar un Panel de Control preliminar, para finalmente personalizarlo
en función de la comodidad y facilidad de uso del cliente. Desde la pantalla, el usuario
podrá acceder a los indicadores de gestión y a los gráficos estadísticos más importantes,
permitiéndole cierta interacción para obtener algún detalle deseado.
Una vez construida la solución y de manera previa a la implementación definitiva, se
realizaron distintas pruebas a la plataforma con el objetivo de comprobar la estabilidad
de la herramienta. Luego, se programaron los procesos de transformación y carga para
que trabajen de manera automática contra la base de datos.
Objetivos
El objetivo de este proyecto fue construir para Magneti Marelli una solución Business
Intelligence que les permita, a los empleados de la empresa, acceder de manera
sistemática a la información generada en el área de producción para asistir las
decisiones gerenciales.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 19
Objetivos Específicos
Definir los interrogantes que se desean resolver con la asistencia de la
herramienta de consulta.
Diseñar un Almacen de Datos que permita responder a los interrogantes
planteados.
Diseñar un esquema físico donde quede soportado el Almacen de Datos.
Desarrollar procesos de carga del Almacen de Datos y su programación.
Generar los informes que se desean obtener del sistema de Inteligencia de
Negocio.
Emplear alguna herramienta de Minería de Datos y definir un método práctico
para el análisis masivo de datos.
Construir un modelo de análisis y validarlo.
Utilizar herramientas libres y/o open source para la construcción de la solución
completa.
Justificación de la propuesta
Se tiene la convicción en afirmar que la mejor alternativa para Magneti Marelli es la
implementación de una solución de Inteligencia de Negocio.
En ese sentido, el término “Solución” representa el resultado obtenido de las técnicas
constructivas aplicadas en el Proceso Business Intelligence. Las soluciones BI, permiten
capturar y procesar toda la información destinada a atender una necesidad de negocio
determinada. Además, ofrecen una plataforma de análisis dinámica de datos con la
posibilidad de cambiar las perspectivas de estudio y de personalizar el modo de
presentación de los reportes que se generen. Cuentan también, con una infraestructura
para el tratamiento de los datos relevantes con la que se puede gestionar toda la
información de negocio clave para la gerencia de la empresa.
Con una solución de este tipo, los directivos de la organización pueden seguir
diariamente el estado de los indicadores de proceso, obtener informes periódicos de
producción y analizar la información histórica en la empresa. Esto les permite
identificar, de manera temprana, cuáles son los factores que inciden en pérdida de
materiales y/o de mano de obra para encaminar una acción que posibilite minimizar las
pérdidas con mayor probabilidad de éxito.
Una de las alternativas más interesantes en Inteligencia de Negocio es Pentaho BI que,
al día de hoy, sigue cobrando cada vez más popularidad dentro de la comunidad.
Pentaho BI es una plataforma de código abierto que proporciona una variedad de
herramientas destinadas a la generación y extracción exhaustiva de información, el
análisis OLAP (On-Line Analytical Processing), la construcción y presentación de
cuadros de mando, la integración de datos y la minería de datos, principalmente.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 20
Con la implementación de la solución Pentaho BI en Magneti Marelli, se pretende
averiguar si la herramienta, de uso libre, tiene la madurez y la estabilidad suficiente para
poder brindar, de manera confiable, todos los servicios requeridos en un ambiente
productivo, permitiéndole posicionarse como una buena alternativa en materia de
inteligencia de negocio. Por otro lado, se propone que el proyecto alcance un valor de
inversión razonablemente reducido para incentivar a empresas que, al igual que Magneti
Marelli, no pretenden orientar sus inversiones en tecnologías del software
principalmente y, por lo tanto, deben encontrar que la propuesta sea suficientemente
conveniente como para desarrollar su propio sistema analítico de información.
Delimitación del proyecto
Seguridad
Se dejó de lado cualquier tipo de análisis referido a la seguridad debido a que la
plataforma de Inteligencia de Negocio seleccionada, Pentaho Community Edition, ya
cuenta con un sistema de seguridad integral para la validación de usuarios.
En cuanto a la seguridad de red, se aplicarán las políticas de seguridad que la propia
organización tenga asignadas en sus instalaciones. El único elemento importante en la
implementación del sistema es la necesidad de brindar un servicio Web. Por esta razón,
se solicitó al área de redes que se mantenga disponible el acceso a dicho servicio a
través de algún puerto de red designado.
Rendimiento
Se realizó el análisis de rendimiento a los procesos ETL que estaban en ejecución contra
el Data Warehouse para verificar que su funcionamiento se encuentra dentro de los
parámetros normales de trabajo.
Como la cantidad de transacciones (unidades de trabajo en la base de datos) están muy
por debajo de los que normalmente existen en un DW típico, normalmente millones de
transacciones, fue despreciable e innecesario hacer un análisis de rendimiento de la base
de datos.
Tampoco fue necesario evaluar el rendimiento de la aplicación de consulta de
información por tratarse de una herramienta que tiene como máximo 10 empleados
simultáneos.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 21
Tamaño
El modelo del Data Warehouse inicialmente estuvo definido en un máximo de dos
cubos y no más de 8 dimensiones cada uno. Esta fue una restricción arbitraria que
permitió en los orígenes del proyecto delimitar su tamaño y crecimiento.
Beneficios esperados
La meta principal del desarrollo fue lograr cubrir las necesidades presentes en la
empresa piloto sobre la cual se construye la solución. Por esta razón, es importante que
se destaque cuál es el aporte que brinda el sistema a los usuarios de la misma. A
continuación se listan los beneficios principales que se esperaban obtener con el empleo
de las herramientas de gestión:
Proveer Información Histórica de Producción.
Identificar las causas de las pérdidas de mano de obra y materiales.
Pormenorizar la incidencia de cada causa en el indicador OEE.
Retroalimentar el proceso de toma de decisión.
El OEE (Overall Equipment Effectiveness) es un indicador utilizado en Magneti Marelli
que sirve para medir la eficiencia productiva de la maquinaria industrial y posee los
siguientes niveles de clasificación:
Clasificación del Indicador OEE
Rango Clasificación
OEE < 65% Inaceptable
65% < OEE < 75% Regular
75% < OEE < 85% Aceptable
85% < OEE < 95% Buena
OEE > 95% Excelencia
Es de considerar que, con la utilización de este indicador y la realización de un
minucioso seguimiento de los datos obtenidos, se puede perfeccionar el proceso de toma
de decisión y cuantificar su beneficio siguiendo una metodología de comprobación.
Metodología de Comprobación.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 22
Si la empresa modifica el nivel del indicador OEE de “Regular” a “Aceptable”, será
posible analizar los cambios en el rendimiento y la reducción de los costos entre dos
períodos, de la siguiente manera:
Caso de Ejemplo:
En base a los valores obtenidos de un proceso piloto en un turno tomado al azar y
suponiendo que la situación para 330 piezas fabricadas correctas y 60 piezas fabricadas
defectuosas, pudiera mantenerse contante en el tiempo. (65% < OEE < 75%)
Situación A:
Con la reducción de un 30% en la cantidad de piezas defectuosas, se lograría obtener un
ahorro de 8,33 Horas Mensuales además de la reducción del costo en piezas
defectuosas. (75% < OEE < 85%)
Situación B:
Si pudiéramos reducir el factor que incide sobre la caída de la mano de obra
incrementando un 10% la cantidad de piezas producida (manteniendo la misma relación
“piezas aptas - piezas defectuosas”), se lograría obtener un ahorro de 11,25 Horas
Mensuales.( 75% < OEE < 85%)
Resulta notable que un mismo incremento del indicador OEE puede alcanzarse por un
aumento en la Calidad (Caso A), como por el aumento de la productividad (Caso B).
Situacion A Situacion B Formula
Operador 1 1 1
Tpo Estándar (piezas/hora) 48 48 48
Hs Trabajadas 8,05 8,05 8,05
Prod Estandar 386,4 386,4 386,4 Tpo Estándar * Hs Trabajadas
Prod Total 330 330 363
Prod No OK 60 40 66
Productividad % 85,40 85,40 93,94 (Prod Total)*100/Prod Estandar
Calidad % 81,82 87,88 81,82 ((Prod Total - Prod No OK) / Prod Total)*100
OEE % 69,88 75,05 76,86 Productividad * Calidad / 100
Inaceptable Aceptable Aceptable
Piezas Efectivas Hora 33,54 36,02 36,89 OEE% / 100 * Tpo Estándar
Piezas Efectivas Turno 270 290 297 Piezas Efectivas Hora * Hs Trabajadas
Horas Efectivas por Turno 5,63 6,04 6,19 OEE% / 100 * Hs Trabajadas
Valor Hora 20 20
Ahorro Horas Turno 0,42 0,56 Horas Efectivas Turno (Despues - Antes)
Ahorro Pesos Turno 8,33 11,25 Valor Hora * Ahorro Horas Turno
Dias Laborales 20 20
Ahorro Horas Mensuales 8,33 11,25 Ahorro Horas Turno * Dias Laborales
Ahorro Pesos Mensuales 166,67 225,00 Ahorro Pesos Turno * Dias Laborales
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 23
Aporte teórico
El estudio realizado en este trabajo de tesis brinda los aportes teóricos alcanzados
durante el desarrollo de la solución de Inteligencia de Negocio, tanto de los conceptos
empleados en el desarrollo, como de las prácticas utilizadas en la implementación. Por
otra perte, se utilizó en el trabajo una metodología novedosa para guiar el proceso de
construcción del Data Warehouse (Metodología Hefesto), con la que se logró llegar sin
inconvenientes a los objetivos planteados, pudiendo tomarse este trabajo como un caso
de éxito en el empleo de dicha metodología. Finalmente, se presentaron herramientas de
Data Mining para el análisis masivo de datos que podrían ser utilizadas dentro de un
marco teórico para encaminar futuros trabajos de investigación en el campo de minería
de datos.
Aporte práctico
Con el desarrollo de este trabajo de grado Magneti Marelli recibe una solución de
Inteligencia de Negocio completamente desarrollada e implementada para que los
usuarios puedan aprovechar las ventajas y beneficios aportados por este sistema. El
mismo, permite facilitar el acceso a la información y, sobre todo, ayuda a mejorar el
proceso de toma de decisión empresarial.
Métodos y medios de ingeniería
Metodología
El proyecto estuvo guiado con la utilización de la metodología HEFESTO. Versión 2.0.
Metodología HEFESTO.
Esta metodología permite la construcción de un Data Warehouse de forma sencilla,
ordenada y de manera intuitiva. Dada su flexibilidad, la metodología puede ser
embebida en cualquier ciclo de vida mientras se cumplan las condiciones esenciales
para ser implementada. Estas fueron las razones principales por la cuál se la ha
adoptado para guiar este trabajo.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 24
Figura 2.5. Fuente: “HEFESTO: Metodología para la Construcción de un Data Warehouse”
(BERNABEU, 2010).
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 25
MARCO CONTEXTUAL
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 26
Cada vez más las organizaciones tienen la necesidad de responder rápidamente ante
fluctuaciones de mercado producidas mayormente por cambios sociales y económicos,
tanto locales como globales. Estas situaciones de inestabilidad amenazan cualquier
proyecto empresarial y obliga a las empresas a tomar mayores recaudos para asegurar
sus éxitos ya sea minimizando riesgos potenciales, detectando nuevas oportunidades o
pudiendo avizorar cualquier situación de cambio, sea éste, favorable o desfavorable.
Por otro lado, en la última década, se ha incrementado notablemente el uso de ciertas
aplicaciones destinadas a la gestión del conocimiento a partir del análisis de los datos
históricos dentro de las organizaciones con el objetivo de mejorar la actividad
empresarial. Este tipo de programas entran, hoy en día, dentro del concepto de
“Inteligencia de Negocio” o “Business Intelligence”. Algunas de ellas, se están
popularizando debido a la sorprendente reducción del costo total de inversión requerido
para su empleo que, tiempo atrás, era prohibitivo para cualquier empresa pequeña. Esta
situación se ve aún más favorecida, debido a la aparición de novedosas herramientas de
libre uso y modificación, en materia de Inteligencia de Negocio, que cuentan con la
madurez y confiabilidad suficiente para que sean adoptadas por más usuarios alrededor
del mundo.
A medida que fue creciendo el aporte de las comunidades colaborativas en el desarrollo
de herramientas de Inteligencia de Negocio de Código Abierto (OSBI, por sus siglas en
ingles), mayor número de empresas aplicaron estos softwares en sus propios negocios,
logrando reducir considerablemente el costo de inversión. Así fue que, a mediados del
año 2009, cuando Magneti Marelli se acercó para consultar por un problema existente
en una de sus áreas se pensó inmediatamente, dada las características del problema, en
una implementación de este tipo, que no sólo posibilitara resolver el inconveniente sino
que además, les permitiera como empresa incursionar en mundo de las herramientas
analíticas de datos modernas.
Ésta era una excelente oportunidad para probar una herramienta OSBI en un ambiente
real de trabajo y permitir que alguna otra empresa, de características similares, pueda
guiar su propia implementación a partir de las experiencias demostradas en este
proyecto.
Entorno del Objeto de Estudio
Magneti Marelli es una empresa fabril especializada en construir caños de escape para
automóviles. Sus productos son demandados principalmente por empresas automotrices,
quienes utilizan estos componentes para ensamblar vehículos.
La empresa cuenta con varias líneas de fabricación en las que se produce un modelo de
tubo de escape distinto. En algunos casos, puede incluso construirse más de un modelo
en la misma isla de trabajo. Es interesante mencionar que la línea de fabricación de
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 27
Magneti Marelli es semi-automatica. Es decir que, cuenta con una serie de mecanismos
que los operarios comandan por medio de botones para facilitar las tareas y aumentar la
productividad reduciendo, de esta forma, el esfuerzo realizado por el operario. Muchos
recursos se destinan al diseño de estos mecanismos para proteger la seguridad del
operador y mejorar su calidad de trabajo.
El proceso de fabricación comienza con las operaciones de corte y doblado de los tubos
y las chapas. A medida que se avanza sobre la línea de producción se puede observar
cómo el material es conformado y ensamblado hasta llegar al final del proceso dónde se
realiza una última operación para el control de calidad sobre el producto terminado. Una
vez aquí, se llevan a cabo las pruebas de hermeticidad y el control visual sobre el
componente. Si el resultado es positivo, la pieza es marcada como Producto OK y es
destinada a un Rack especial (unidad contenedora para el transporte de piezas). En el
caso contrario el operador debe identificar si la pieza puede ser re-trabajada o si,
desafortunadamente, no es posible recuperarla. Siempre que la misma pueda ser re-
trabajada, ya sea en dicha operación o en alguna de las operaciones anteriores, se la
marca con una fibra de color especial, indicando la zona donde se encuentra el
problema. De esta manera la pieza regresa a un punto anterior de la línea de fabricación
para ser recuperada. Sin embargo, si el componente defectuoso no puede ser re-
trabajado es marcado como una pieza KO (No-OK o también llamado, pieza de Scrap),
y es depositado en un rack especial de piezas para reciclar.
Al finalizar la jornada laboral, cada operario, debe completar una planilla con el detalle
de su producción. Entre los datos de registros más importantes se encuentran: la hora de
ingreso y de cierre; la cantidad total de Piezas OK y Scrap fabricadas; los tiempos de
paradas no programadas consumidos. Todos estos tiempos registrados están basados en
la estimación personal de los operarios, ya que no tienen un método de medición precio.
Relación tesista y Objeto de estudio.
Con el objetivo de afianzar el compromiso entre ambas partes se convino enmarcar este
trabajo dentro de una relación de tipo cliente/proveedor, donde el tesista quedó como
director responsable por el desarrollo del software para todo el ciclo de vida del
proyecto.
El tesista aplicó los conocimientos adquiridos en el cursado de la carrera Ingeniería en
Sistemas para estudiar en profundidad e implementar completamente una solución
OSBI en la Empresa Piloto, de manera de poder evaluar el comportamiento de la
solución en un ambiente real y verificar si es posible adaptarla a las necesidades de la
organización.
Es de esperar que si el proyecto es exitoso, la organización continúe utilizando la
solución por mucho tiempo más, incluso después de finalizado el proyecto inicial, y es
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 28
posible que requiera desarrollar e incorporar nuevas características que se ajusten a las
necesidades latentes de la entidad. Con lo cual, también se hace presente la necesidad de
ampliar el alcance del proyecto paulatinamente. De una manera u otra, cuando se
comienza un proyecto de esta envergadura se debe tomar conciencia, desde el principio,
que si se logra alcanzar el nivel de resultados esperado muy probablemente se deba
pensar en la continuidad del proceso de desarrollo de dichas herramientas. Algo que no
es muy frecuentemente contemplado por los altos mandos de las organizaciones. Por
esta razón, lo más importante a tener en cuenta es el compromiso y la decisión que hay
que tener para invertir en el desarrollo del software, sabiendo que con el tiempo se
volverán cada vez más esenciales los recursos necesarios para continuar el proyecto.
Al revisar los requerimientos que debe cumplir el sistema, es posible pensar en el
desarrollo de una solución de Inteligencia de Negocio. Estas soluciones tienen como
objetivo el tratamiento de la información disponible en la organización obtenida a partir
de algún sistema específico, una aplicación ERP, u otro software utilizado dentro de la
empresa, con el fin de responder a los interrogantes que no son atendidos por el propio
sistema de información y permitir, a partir de ahí, encontrar nuevo conocimiento que
facilite la toma de decisión.
Las soluciones de Inteligencia de Negocio fueron históricamente muy costosas, por
tener gran complejidad y mayor tamaño que el resto de las alternativas existentes. Pero
esto fue cambiando con la aparición de algunas soluciones de uso libre. Hoy en día,
están disponibles en Internet para que cualquier persona pueda descargarlas y utilizarlas
en sus propios negocios. Por esta razón se utilizaron algunas de las herramientas libres
mencionadas para construirle a Magneti Marelli la Solución BI de alto nivel sin tener
que recurrir al uso de softwares costosos y difíciles de acoplar a las necesidades de la
propia empresa pudiendo conservar, además, el derecho de modificar o extender la
aplicación, si fuese necesario.
La selección de una herramienta de uso libre para aplicaciones de inteligencia de
negocio presenta el inconveniente que, dada la complejidad y el tamaño de las mismas,
se hace imprescindible que el desarrollador domine el campo de estudio antes de
abordar el problema. El riesgo de fracasar en este tipo de proyectos es potencialmente
mayor cuando no se conocen las limitaciones de cada herramienta empleada. Esto
ocurre con frecuencia debido a que el equipo de implementación nunca termina de
conocer a fondo la tecnología usada incluso después de terminar siquiera la propia
implementación.
Por otro lado, las Soluciones propietarias que compiten con las OSBI son y seguramente
seguirán siendo por más tiempo, inalcanzables para organizaciones medianas y
pequeñas por ser altamente costosas. Esto motiva fundamentalmente a la investigación
de las herramientas libres aplicadas en el campo de Inteligencia de Negocio.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 29
Análisis de problemas observados.
Las herramientas destinadas a brindar información para la toma de decisión empresarial
son, aún hoy, escasamente utilizadas. A pesar de volverse con el tiempo más populares,
surge un factor que afecta negativamente su aceptación y tiene que ver más con la
cultura organizacional de la empresa que con cuestiones técnicas de implementación.
Existe cierta resistencia por parte de los directivos a adquirir nuevas herramientas por la
incertidumbre que ello implica. Esto sucede mayormente en PyMEs jóvenes donde es
posible desarrollar la actividad con el empleo de herramientas analíticas tradicionales
guiadas por la experiencia e intuición de los gerentes de la organización. Sin embargo,
cuando una organización crece aumentan las variables de negocio y, con ello, también
aumenta la complejidad. Llegado este momento, los gerentes tienen la necesidad de
buscar nuevos instrumentos que permitan evaluar el panorama general de la
organización con el objetivo de facilitar la gestión. Esta es la razón que los lleva a
buscar y adquirir herramientas que no sólo permitan asistir las decisiones estratégicas
sino que, además, se ajusten adecuadamente a la cultura organizacional que poseen,
permitan la escalabilidad de la solución (término informático referido al crecimiento del
sistema), mantengan un valor de inversión mínimo (idealmente, igual a cero) y puedan
ser implementadas en el menor tiempo posible (idealmente, en la inmediatez).
Esta situación suele convertirse en una odisea difícil de superar por la sencilla razón que
los obliga a tomar fuertes decisiones en muy corto tiempo, al mismo tiempo que deben
seguir dando soluciones a los problemas que dieron lugar a la búsqueda de la nueva
alternativa.
Para Magneti Marelli, esta necesidad comenzó a manifestarse con la aparición de varios
interrogantes del negocio carecientes de respuestas sólidas para sustentar decisiones
importantes. La necesidad de controlar y mejorar el rendimiento de la organización es
una tarea fundamental y, según venían percibiendo, se estaba volviendo realmente
complicado mejorar los procesos productivos al no contar con el detalle suficientemente
para hacerlo de manera previsible. Habían visto que para poder analizar el
comportamiento los procesos productivos adecuadamente necesitaban más información
de cada proceso y de los parámetros que rigen sus comportamientos.
Desde el inicio, el problema había quedado perfectamente definido por el Gerente de
Planta, quien comentó durante la primera entrevista realizada lo siguiente:
“Es necesario que, con el uso del sistema, determinemos el nivel de calidad y de
productividad alcanzada en un proceso productivo cuando se fabrique un producto
determinado.”…
“En el caso de no alcanzar la máxima calidad, es importante identificar las cantidades
de piezas defectuosas y las causas que produjeron dichos defectos. De la misma manera,
para el caso de la productividad, en el caso de no alcanzar el objetivo de producción y,
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 30
con ello, no se logre la máxima productividad, es importante identificar la cantidad de
horas de pérdida de mano de obra y las causas que produjeron dichas pérdidas.”
Toda esta información era adquirida a partir de los datos obtenidos desde las líneas de
producción. Aproximadamente desde un año antes del primer contacto con la Gerencia
de Magneti Marelli, se venían registrando todos los datos en planillas que, de ahora en
más, llamaremos “Declaraciones de Producción”. Dichas declaraciones eran
completadas por los operadores para dejar asentados los detalles de la producción de
manera diaria.
Imaginemos que para la obtención de algún indicador relevante, como puede ser el
rendimiento que tuvo un operario en un día de trabajo, o bien, el rendimiento que se
obtuvo dentro de una celda de producción, u otro indicador similar, era necesario que
una persona se aboque a la tarea de recabar todas las planillas involucradas y calcule
manualmente el valor deseado. Esta tarea debía ser repetida varias veces al cambiar
algunas de las variables o perspectivas de análisis deseado. Asi, por ejemplo, si más
tarde era necesario evaluar el mismo indicador seleccionado pero dentro de otro
proceso, turno, empleado, o incluso de un día diferente de trabajo, había que repetir toda
la operación nuevamente para calcular el nuevo valor. Esto provocaba que el tiempo
invertido en la obtención de los indicadores fuera excesivamente alto para que sea
aplicable en términos prácticos.
De esta manera, el sistema propuesto debía capturar adecuadamente los datos generados
y mantenerlos en un medio de almacenamiento apropiado para permitir, posteriormente,
realizar el tratamiento masivo de datos a travez de un servicio de consulta dinámico,
preciso y confiable. Por tal motivo se evaluó, en la etapa de diseño, la posibilidad de
agregar variables que no habían sido contempladas al inicio del proyecto con la
finalidad de minimizar la aparición de problemas potenciales en el momento de
construir la solucion. Esto permitió tambien atender mejor a las necesidades de los
usuarios finalizada la etapa de implementación.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 31
MARCO TEÓRICO
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 32
Marco Teórico del Objeto de Estudio
Software Open Source
El término Open Source, o en castellano código abierto, se emplea para definir a todo
software desarrollado y distribuido libremente. Este tipo de software es licenciado de
forma tal que cualquier persona posee la libertad de adquirir, utilizar y modificar, parte
de la aplicación o su totalidad, si así lo desea.
Un proyecto de implementación de software Open Sorce, generalmente es coordinado
por un grupo de desarrolladores reunidos como una comunidad virtual quienes, además
de contribuir con la construcción de la aplicación, llevan a cabo las tareas de la
distribución y el versionado de la misma. Asimismo, son los responsables de recibir
aquellos aportes ofrecidos por usuarios de todo el mundo, ajenos al proyecto, que
desean compartir sus propias mejoras realizadas al programa. Más tarde, cuando estos
programas alcanzan cierta estabilidad y reúnen nuevas características son publicados
para que toda la comunidad tome provecho de las ventajas alcanzadas en las versiones
siguientes. En definitiva, todos los agentes involucrados sean desarrolladores, usuarios,
u otro tipo de participante, aprovechan la sinergia del trabajo comunitario para obtener
conjuntamente una solución determinada que, de otra manera, no habrían podido
obtener por sí solos.
Otra característica de los proyectos de código abierto, es que persiguen principalmente
el beneficio que se obtiene del empleo de las herramientas construidas, haciendo énfasis
exclusivamente en la parte práctica y técnica. Esta característica los diferencia del
“Software Libre”, que no sólo se focaliza en los aspectos constructivos de un software
sino que pone mayor atención en la libertad y la solidaridad social de sus usuarios.
Es importante mencionar que, aunque una herramienta sea “Open Source” no implica
necesariamente que su implementación sea totalmente gratuita. El hecho de que no
exista la necesidad de pagar una licencia por el uso de un software no incluye que el
trabajo de implementación también lo sea. Por el contrario, en el momento en que se
pone en marcha un proyecto de este tipo surge la necesidad de invertir muchos recursos
en la tarea de personalizar y adaptar la solución elegida a las necesidades de la empresa.
Todas estas actividades siempre tienen un costo significativo y terminan formando parte
del costo total de inversión del proyecto.
Por otro lado, tanto las herramientas Open Source como Software Libre que se pueden
encontrar publicadas en cualquier sitio de distribución oficial de acceso público, no
cuentan con ningún tipo de soporte técnico más que el que se brinda por la propia
comunidad, a menos que se contrate un servicio adicional o se adquiera específicamente
una licencia para ello. Estos aspectos deben ser tenidos muy en cuenta cuando se elige
una solución determinada. Una decisión incorrecta puede provocar una serie de graves
inconvenientes durante el proceso de implementación. Por ejemplo, puede provocar un
incremento sustancial no previsto en el costo de inversión si la empresa selecciona
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 33
inadecuadamente un grupo de soporte poco experimentado o si debe contratar algún
tipo de soporte, de manera repentina, en mitad del trabajo.
Cualquiera sea el caso a la hora de cambiar o implementar un nuevo sistema
informático, sobre todo si el mismo va a estar orientado a la gestión estratégica de la
empresa, es conveniente disponer de un Director de Proyecto ya sea interno o externo.
Éste será el responsable de analizar toda la información necesaria, tanto de la empresa
como de las soluciones existentes en el mercado para poder estudiar adecuadamente
todas las alternativas disponibles y tomar una decisión que contemple los riesgos de
manera de no comprometer el éxito del proyecto.
Aun así, para muchas organizaciones la elección de un programa Open Source o de un
Software Libre puede llegar a ser la mejor alternativa. Con el empleo de algunas de
estas tecnologías, organizaciones pequeñas lograrán resolver sus principales
necesidades a un bajo costo. No obstante, para una correcta implementación es menester
estudiar y asumir todos los costos y riesgos involucrados. Es posible que muchas
PyMEs prefieran, o no tengan otra alternativa, que recurrir al empleo de herramientas de
distribución libre. La razón principal es que el costo de emplear estas herramientas no
tiene incluido el valor de las licencias de los programas y, en general, este es un
elemento restrictivo de dichas tecnologías. Por este motivo, es de suponer que existen
elementos suficientes para afirmar que una solución Business Intelligence de tipo Open
Source puede ser más que atractiva para organizaciones que tienen tamaños y recursos
reducidos.
Business Intelligence o Inteligencia de Negocio.
Para comprender qué es una solución de Inteligencia de Negocios es necesario dominar
cada uno de los conceptos que están involucrados en su definición. Aquí abordaremos
estos temas para aplicarlos posteriormente en el diseño y en la implementación de la
solución que se desarrolla en la investigación.
La primera definición de Business Intelligence presentada, fue extraída de Wikipedia.
Seguramente no será la más amplia ni, quizás, la más completa. Pero nos permitirá
conocer los conceptos básicos necesarios desde una óptica adecuada para dominar la
implementación rápidamente: “Se denomina inteligencia empresarial, inteligencia de
negocios o BI (del inglés Business Intelligence) al conjunto de estrategias y
herramientas enfocadas a la administración y creación de conocimiento mediante el
análisis de datos existentes en una organización o empresa” (WIKIPEDIA. Consultado:
20/12/2009).
El término puede parecer bastante genérico o muy abarcativo, pero es muy concreto
desde el punto de vista de lo que desea alcanzar con ello. Para comprenderlo con
precisión, es necesario repasar primero los conceptos mencionados de manera aislada.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 34
El primer elemento mencionado y más importante de conocer es el referido a los datos.
Estos conforman la materia prima de cualquier conocimiento que podamos extraer o
conjeturar a cerca de algo y, por esta razón, es muy importante saber cómo identificarlos
claramente. Los datos son miembros primarios que componen cualquier tipo de
información. Estos describen condiciones, hechos, situaciones o valores pero, por si
solos, son insuficientes para tomar cualquier decisión debido a que no aportan nada
concreto acerca de una situación dada.
“La importancia del dato reside en su capacidad de asociarse dentro de un contexto para
convertirse en información” (GARRILLO et Al, 2008). “Los datos no tienen capacidad
de comunicar un significado y por tanto no pueden afectar el comportamiento de quien
los recibe” (CARRASCO ARROYO, 2006). Para que éstos adopten un significado
concreto y puedan ser utilizados como fuente de información relevante y oportuna
deben ser procesados previamente.
Como vemos, a partir del procesamiento sistemático de los datos se obtienen resultados
útiles que permiten tomar decisiones. El producto del procesamiento de los datos es
llamado Información.
Se puede definir a la Información como el conjunto de datos procesados que adquieren
cierto significado por alcanzar relevancia o propósito dentro de un contexto
determinado. Cualquier información, correctamente utilizada, permite disminuir
considerablemente la incertidumbre dentro del dominio de un problema, y por lo tanto,
tienen un gran valor para quiénes deben tomar decisiones en tal dominio.
Figura 2.1.
Los diferentes procesos que pueden agregar valor a los datos para transformar a éstos en
información son:
Contextualización: se sabe en qué contexto y para qué propósito se generaron.
Categorización: se conocen las unidades de medida que ayudan a interpretarlos.
Cálculo: los datos pueden haber sido procesados matemática o estadísticamente.
Corrección: se han eliminado errores e inconsistencias de los datos.
Condensando: los datos se han podido resumir de forma más concisa
(agregación).
Como vimos en la definición de Business Intelligence, el conocimiento es el valor más
preciado para la toma de decisión y, por consiguiente, debería también serlo para la
empresa.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 35
Existen múltiples definiciones de conocimiento, desde las clásicas y fundamentales que
describen al conocimiento como: “una creencia cierta y justificada” (MORA
VENEGAS, 2009), a otras más pragmáticas que definen al mismo como: “una mezcla
de experiencias, valores, información y saber hacer que sirve de marco para la
incorporación de nuevas experiencias e información útiles para la acción” (SANCHEZ
AMBRIZ, 2009).
Podemos decir, más precisamente, que: “El conocimiento es un conjunto de saberes
integrado por información, reglas, interpretaciones y conexiones puestas dentro de un
contexto y una experiencia, que han sucedido dentro de una organización, bien de forma
general o personal” (HERNÁNDEZ FERNÁNDEZ, 2003).
“La Gestión del Conocimiento (en inglés Knowledge Management) es un concepto
aplicado en las organizaciones, que pretende transferir el conocimiento y experiencia
existente entre sus miembros, de modo que pueda ser utilizado como un recurso
disponible para otros en la organización” (PÉREZ PÉREZ et Al, 2008).
Usualmente el proceso de Gestión de Conocimiento incluye técnicas para capturar,
organizar y almacenar el conocimiento de los trabajadores, para transformarlo en un
activo intelectual que aporte beneficios y pueda ser compartido fácilmente.
“En la actualidad, las tecnologías de información permiten contar con herramientas que
apoyan la gestión del conocimiento facilitando su recolección y su transferencia,
incrementando la seguridad y simplificando administración sistemática de la
información junto a las demás herramientas que permiten hacer uso de ese
conocimiento”. (RAMO, 2010)
Estamos en condiciones de definir con mayor exactitud el término Inteligencia de
Negocio. Ahora es posible expresar este concepto de la siguiente manera:
Inteligencia de Negocio, se refiere al conjunto de estrategias y herramientas enfocadas a
la administración y creación de conocimiento mediante el análisis de datos existentes en
una organización con el objetivo de respaldar las decisiones empresariales. La
Inteligencia de Negocios es la habilidad para transformar los datos en información y la
información en conocimiento para optimizar, con su aporte, el proceso de toma de
decisión en los negocios. (WIKIPEDIA, 2010).
“Desde un punto de vista más pragmático, y asociándolo directamente con las
tecnologías de la información, podemos definir Business Intelligence como el conjunto
de metodologías, aplicaciones y tecnologías que permiten reunir, depurar y transformar
datos de los sistemas transaccionales e información desestructurada (interna y externa a
la compañía) en información estructurada, para su explotación directa (reporting,
análisis OLAP2 ,etc.) o para su análisis y conversión en conocimiento, dando así
soporte a la toma de decisiones sobre el negocio”. (LUNA POZO, 2010)
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 36
Beneficios de las Soluciones BI:
“La inteligencia de negocio actúa como un factor estratégico para una empresa u
organización, generando una potencial ventaja competitiva, que es proporcionar
información privilegiada para responder a los problemas de negocio” (AGUIRRE Y
HERNÁNDEZ, 2010). Con su empleo es posible alcanzar mayores éxitos en cualquier
actividad empresarial.
Entre los beneficios más importantes aportados por el BI, se encuentran:
Permite reducir el tiempo que se requiere para recoger y procesar toda la
información relevante para la empresa.
Automatiza la carga y transformación de la información.
Proporciona herramientas de análisis amigables para tomar decisiones.
Permite a los usuarios utilizar tanto reportes e informes previamente diseñados,
e incluso, generarlos de manera dinámica.
Permite acceder y analizar directamente los indicadores claves de la empresa.
Brinda la posibilidad detectar situaciones fuera de lo normal.
Muestra rápidamente cuáles son los factores que inciden en el buen o mal
funcionamiento de la organización.
Permite consultar y analizar los datos de manera sencilla e intuitiva.
En la actualidad, la capacidad para tomar decisiones ágiles y acertadas en los negocios
se ha convertido en una de las claves que permiten a las organizaciones ser exitosas y
permanecer en el tiempo. En otras palabras, se trata de acceder a la información correcta
en un formato apropiado y en un tiempo adecuado para optimizar los procesos internos
de la empresa, por ejemplo: ventas, producción, prestación de servicios, etc. En
resumen, la Inteligencia de Negocios permitirá a una empresa aprovechar sus datos para
lograr un objetivo propio a la organización. Este objetivo podrá ser, por ejemplo,
acelerar su crecimiento, minimizar el riesgo, incrementar la competitividad, automatizar
las tareas, agilizar el análisis de las variables del negocio o identificar problemas críticos
con mayor rapidez.
La Inteligencia de Negocio atiende interrogantes a diferentes niveles organizacionales
para presentar la información adecuada a los tomadores de decisión en función de la
necesidad, el nivel de agregación o el tratamiento particular que ellos requieran. Según
el nivel organizacional en el cual se esté trabajando, la información recibe un
tratamiento diferente y se presenta a los usuarios también de manera distinta.
No obstante, el hecho que los informes puedan ser diferentes según a quien éstos vayan
dirigidos, también comparten ciertas similitudes como son: la claridad y la calidad para
su presentación. Todos estos instrumentos deben respetar, por regla general, ciertos
principios elementales que favorecen la aceptación general, por parte de los usuarios.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 37
Un sistema de BI está conformado, entre otras cosas, por un conjunto de herramientas
administrativas. Estas herramientas, adoptan diferentes características en función de la
necesidad que deban atender y el nivel organizacional en el que se encuentren. Las
mismas, reciben un nombre particular según la posición dentro de la pirámide
organizacional y se clasifican de la siguiente manera:
Figura 2.2. Fuente: http://www.sinnexus.com/images/data_schema.gif.
Cuadro de Mando Integral
El CMI es una herramienta de administración para las empresas que muestra
continuamente el estado de resultados de la compañía y sus empleados definidos en el
plan estratégico. También es una herramienta que ayuda a la compañía a expresar los
objetivos e iniciativas necesarias para cumplir con la estrategia y proporciona, a los
administradores, una visión global de las prestaciones del negocio.
El Cuadro de Mando Integral está orientado al seguimiento de indicadores más que al
análisis minucioso de información. Es muy común que un CMI sea controlado por la
dirección general de una compañía y, por tanto, requiere que los directivos analicen el
mercado y la estrategia para construir un modelo de negocio que refleje las
interrelaciones entre los diferentes componentes de la empresa, es decir, contar con un
plan estratégico previo a generar el modelo.
Sistemas de Soporte a la Decisión (DSS)
Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence
enfocada al análisis de los datos de una organización. Con frecuencia, se suele suponer
que el proceso de análisis de datos masivo es algo sencillo y fácil de conseguir mediante
la utilización de programas genéricos o mediante el empleo de un software ERP1
sofisticado. Sin embargo, estas aplicaciones poseen una serie de informes predefinidos
1 Enterprise Resource Planning es sistema de información gerencial que integra muchas de las prácticas
de los negocios asociadas con las operaciones de producción y gestión de recursos.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 38
para presentar la información resumida pero no permiten, entre otras cosas, profundizar
en los datos, navegar entre ellos o analizarlos desde diferentes perspectivas.
Sistemas de Información Ejecutiva (EIS)
Un Sistema de Información Ejecutiva o Sistema de Información para Ejecutivos es una
herramienta software basada en un DSS que provee a los gerentes de la organización un
acceso sencillo a información interna y externa de la compañía que es relevante para su
negocio. La finalidad principal de esta herramienta es que el ejecutivo tenga a su
disposición un panorama completo e instantáneo del estado de los indicadores que
afectan al negocio para analizar con detalle, aquellos parámetros que no estén
cumpliendo con las expectativas establecidas y corregir el plan de acción.
De forma más pragmática, se puede definir a un EIS como una herramienta informática
que brinda informes, listados y reportes de las diferentes áreas de negocio para facilitar
el monitoreo de la empresa en general o de alguna unidad en particular.
Data Warehouse
Los sistemas de información usados comúnmente para la gestión operativa,
desafortunadamente, suelen presentar una estructura de almacenamiento rígida y poco
práctica para el análisis masivo de datos. Estos sistemas están preparados para el
procesamiento masivo de transacciones, comúnmente conocidos como OLTP
(OnLine Transaction Processing) y esto, no es muy útil en los sistemas de Inteligencia
de Negocio. Para superar esta limitación, la Inteligencia de Negocio se apoya en un
conjunto de técnicas llamadas „Integración de Datos‟, que facilitan la extracción, la
depuración y almacenamiento de los datos con el objetivo de mantenerlos en una nueva
base de datos optimizada para recibir, desde sistemas específicos, consultas analítica en
línea OLAP (On-Line Analytical Processing). Esta nueva base de datos permite dar
soporte de manera eficiente a la toma de decisión empresarial y recibe el nombre de
Data Warehouse.
“Un Data Warehouse es un almacén o repositorio de datos categorizados, que concentra
un gran volumen de información de interés para toda una organización, la cual se
distribuye por medio de diversas herramientas de consulta y de creación de informes
orientadas a la toma de decisiones. El objetivo del Data Warehouse (DW) es agrupar los
datos con el propósito de facilitar su posterior análisis, de forma que sean fáciles de
acceder y, posteriormente, analizar dicha información” (MESTIZO GUTIÉRREZ et Al,
2008). A este tipo de datos se los conoce como informativos. Los sistemas que realizan
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 39
el procesamiento analítico sobre datos informativos, se denominan OLAP (Online
Analytical Processing).
Existen muchas definiciones de Data Warehouse aportadas por de distintos autores.
Quizás la más famosa fue desarrollada por Inmon en 1992: “Un Data Warehouse es una
colección de datos orientados a temas, integrados, no-volátiles y variante en el tiempo,
organizados para soportar necesidades empresariales”. (INMON, 1992 citado por PEÑA
RIVERA et Al, 2005:4).
Características
Orientada al negocio: Los datos en la base de datos están organizados de
manera que todos los elementos de datos relativos un mismo evento estén
agrupados.
Integrada: La base de datos contiene todos los datos de los distintos sistemas
operacionales de la organización en un mismo almacén centralizado. Esta
integración permite compartir una misma codificación para los datos y resolver
los problemas relacionados con las fuentes de datos múltiples, entre otros
aspectos.
Variante en el tiempo: Los cambios producidos en los datos a lo largo del
tiempo quedan todos registrados para que los informes históricos reflejen esas
variaciones.
No volátil: La información no se modifica ni se elimina. Una vez almacenado el
dato, éste se convierte en información de sólo lectura y se mantiene para futuras
consultas.
Ventajas
Transforma datos orientados a las aplicaciones en información orientada a la
toma de decisiones.
Integra y consolida diferentes fuentes de datos (internas y/o externas), de
departamentos empresariales desagrupados, en una única plataforma sólida y
centralizada.
Brinda la capacidad de explorar las diferentes áreas de trabajo y de analizarlas
de manera inmediata.
Permite reaccionar rápidamente a los cambios.
Aumenta la competitividad de la empresa frente al mercado.
Reduce la generación excesiva de información. Sólo utiliza los datos requeridos
y desecha cualquier otra información innecesaria.
Mejora la entrega de información, es decir, asegura que la misma sea completa,
correcta, consistente, oportuna y fácilmente accesible.
Logra un impacto positivo en la toma de decisión empresarial por aprovechar al
máximo el potencial de los recursos disponibles.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 40
Desventajas
Requiere una gran inversión debido a que su construcción no es una tarea
sencilla. La implementación requiere contemplar gran cantidad de aspectos que
van desde la adquisición de la información, el tratamiento de los datos, la
construcción de las consultas analíticas, hasta la capacitación de los usuarios.
Su implementación esta generalmente afectada por una natural resistencia al
cambio por parte de los usuarios.
Los beneficios alcanzados con la utilización de un almacén de datos son
apreciados recién en el mediano y largo plazo.
Como deriva del punto anterior, no todos los usuarios confiarán en la
información provista por el DW en una primera instancia. Pero si lo irán
haciendo a medida que comprueben su efectividad y sus beneficios.
Si se incluyen datos confidenciales tanto propios, como de clientes o
proveedores al depósito. Se estará atentando contra la privacidad de los
afectados, si no se controla adecuadamente el acceso a la información.
Subestimación de los recursos necesarios para la captura, carga y
almacenamiento de los datos.
Subestimación del esfuerzo necesario para su diseño y creación.
Incremento continuo de los requerimientos del usuario.
Subestimación de los beneficios obtenidos con la correcta utilización del DW y
de las herramientas de BI en general.
Data Marts
Por último, hay que mencionar la existencia de los Data Marts (Mercado de Datos).
Estos son una versión más reducida de un Data Warehouse. Frecuentemente, contienen
información específica de algún departamento de la empresa como: marketing, finanzas
o mantenimiento de la red. Podría verse al Data Mart, como un subconjunto del Data
Warehouse cuya finalidad es mantener consistencia en las prácticas de administración
de datos corporativos para mejorar la seguridad y la integridad de la información que se
está utilizando. (MONOGRAFIAS, 2010)
Tal como se puede apreciar en el libro “HEFESTO: Metodología para la Construcción
de un Data Warehouse” (BERNABEU, 2010) en el apartado Arquitectura del Data
Warehousing, un Data Warehouse tiene la siguiente arquitectura lógica:
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 41
Figura 2.3. Fuente: “HEFESTO: Metodología para la Construcción de un Data Warehouse”
(BERNABEU, 2010).
Para comprender íntegramente la finalidad del Data Warehouse es importante conocer
cómo es el proceso empleado para su construcción. Este proceso es conocido como Data
Warehousing. El mismo comienza con la recopilación y tratamiento de grandes
volúmenes de datos disponibles en sistema de información de la organización. El
proceso consiste en la extracción de una colección completa de datos para colocarlos en
el almacén de manera una manera organizada. El encargado de extraer los datos
depurarlos, transformarlos y finalmente almacenarlos dentro del DW es el proceso de
Extracción, Transformación y Carga, también conocido como Proceso ETL.
En general, los datos son extraídos desde los sistemas de información operacionales de
la empresa. Aunque también pueden incluirse otras fuentes de datos tales como archivos
Excel, archivos planos, correos electrónicos, que comúnmente encontramos en el
ámbito organizacional de cualquier empresa.
Extracción: obtención de información de las distintas fuentes, tanto internas como
externas.
Transformación: filtrado, limpieza, depuración y agrupación de la información.
Carga: organización y actualización de los datos y sus metadatos en la base de datos.
Metadatos
Uno de los componentes más importantes de la arquitectura de un almacén de datos son
los metadatos. Comúnmente, se definen como "datos acerca de los datos" (SANZ
RODRÍGUEZ, 2010). Estos, describen el sentido de los datos, la estructura de
almacenamiento y la manera en que se relacionan.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 42
Los metadatos son registros que documentan información acerca de la morfología del
esquema utilizado para contener los datos dentro del sistema. Por ejemplo, reúnen
información acerca de cuáles son tablas existen en una base de datos, las columnas que
posee cada una de ellas y el tipo de datos almacenan, entre otras cosas. Estos registros
permiten manipular mejor los datos de la empresa sin la necesidad de conocer, de
antemano, el tipo de dato y la forma en el que están almacenados en la base de datos.
Los datos son de interés para el usuario final, mientras que el metadato cobra interés
para los programas que tienen que manejar estos datos. Sin embargo, el rol que cumple
el metadato en un entorno de almacén de datos es muy diferente al rol que cumple en
los ambientes operacionales. En el ámbito de los Data Warehouse el metadato juega un
papel fundamental, su función consiste en recoger todas las definiciones de la
organización y el significado de los datos dentro del almacén de datos. Estos deben
contener toda la información concerniente a: Tablas; Columnas de tablas; Relaciones
entre tablas; Jerarquías y Dimensiones de datos; Entidades y Relaciones. (WIKIPEDIA,
2010).
Herramientas OLAP
Toda la información que se procesa y se almacena en el Data Warehouse finalmente es
consultada mediante herramientas analíticas de datos especializadas para responder
eficientemente a las peticiones generadas en línea. Estos sistemas son los denominados
OLAP, por sus siglas de On-Line Analytical Processing. Aunque existen otras técnicas
para analizar datos, ésta posiblemente sea la más utilizada. Algunas otras técnicas
conocidas son: la minería de datos (abordada más adelante) y CBAT (Column Based
Analytical Technology). De este último no se hará otra mención.
El objetivo principal de los sistemas OLAP es ofrecer a los usuarios una solución
tecnológica que permita agilizar, de manera notable, las consultas generadas en la
compañía con el fin de presentar los resultados producidos en tiempo y forma adecuado.
Los sistemas OLAP se caracterizan principalmente por permitir realizar análisis
multidimensionales de datos, personalizar las perspectivas de análisis para navegar entre
ellos, seleccionar la manera más cómoda de presentar la información, generar informes
preestablecidos e incluso programar la entrega periódica de los resúmenes.
En general, estos sistemas deben:
Permitir realizar complejas consultas sobre los datos de manera simple.
Facilitar el análisis.
Permitir cambiar las perspectivas de análisis.
Procesar eficientemente grandes volúmenes de datos.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 43
Arquitectura Interna de un OLAP.
Existen dos arquitecturas principales para los sistemas OLAP: el modelo
multidimensional denominado MOLAP y el modelo relacional denominado ROLAP.
Aunque, también es posible construir una solución intermedia de tipo Híbrida conocida
como HOLAP.
La arquitectura MOLAP usa bases de datos multidimensionales para proporcionar el
análisis. Su principal premisa es que el OLAP está mejor implementado para almacenar
los datos de manera multi-dimencional. Por el contrario, la arquitectura ROLAP supone
que las capacidades OLAP están perfectamente implementadas sobre bases de datos
relacionales. Un sistema MOLAP usa una base de datos propietaria multidimensional en
la que la información se almacena multidimensionalmente para ser visualizada en varias
dimensiones de análisis. (FIGUEROA GONZÁLEZ, 2007).
Modelos Relacionales (ROLAP).
En una arquitectura ROLAP se accede a los datos almacenados dentro del Data
Warehouse de manera relacional con el objetivo de proporcionar el soporte para los
análisis OLAP. Se supone, para este modelo, que las capacidades OLAP se comportarán
mejor al estar soportadas en bases de datos relacionales.
El sistema ROLAP utiliza una arquitectura de tres niveles. La base de datos relacional
maneja los requerimientos de almacenamiento de datos y el motor ROLAP proporciona
la funcionalidad analítica. El nivel de base de datos usa bases de datos relacionales para
el manejo, acceso y obtención del dato. El nivel de aplicación es el motor que ejecuta
las consultas multidimensionales de los usuarios. (FIGUEROA GONZÁLEZ, 2007).
Los análisis multidimensionales ejecutados por los usuarios finales, a través del motor
ROLAP, son transformados dinámicamente a sentencias SQL. Las cuales, se ejecutan
contra la base de datos relacional para generar los resultados obtenidos a partir del
cruzamiento de los datos de cada tabla.
Modelos multidimensionales (MOLAP).
En un modelo multidimensional, por el contrario, los datos son organizados alrededor
del tema de análisis particular para la organización. La estructura de este modelo está
conformada como una matriz multidimensional o híper cubo. Un Híper Cubo consiste
en un conjunto de celdas pertenecientes a una tabla identificadas por la combinación de
los miembros de las diferentes dimensiones y, cada una de ellas, contiene el valor de la
medida analizada como resultado de la combinación de la dimensiones.
El sistema MOLAP utiliza una arquitectura de dos niveles: la base de datos
multidimensional y el motor analítico. La base de datos multidimensional es la
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 44
encargada del manejo y obtención de los datos y conforma el nivel de aplicación. Este
es el responsable de la ejecución de los requerimientos OLAP. Mientras que el nivel de
presentación se integra con el de aplicación para proporcionar un interfaz con la que los
usuarios finales pueden visualizar los análisis OLAP. Una arquitectura cliente/servidor
permite a varios usuarios acceder a la misma base de datos de manera concurrente.
(CHINCHILLA ARLEY, 2011).
En este modelo, la información procedente de los sistemas operacionales, se carga en el
sistema MOLAP mediante una serie de rutinas por lotes. En esta etapa se realizan
operaciones de agregación sobre los datos para calcular cada uno de los hechos de
interés, al mismo tiempo en que se generan las dimensiones de negocio (LUNA POZO,
2010).
Componentes del modelo multidimensional:
- Hecho: El hecho representa al objeto a analizar. El mismo contiene los valores de las
medidas de negocio (WIKIPEDIA, 2010). Cada una de las medidas queda definida
mediante la intersección de una serie de dimensiones relacionadas a ella. Por lo general,
los hechos son casi siempre valores numéricos, enteros o reales, a los cuales se les
puede aplicar alguna función matemática determinada como, por ejemplo, la
agregación.
- Dimensiones: representan cada uno de los ejes en un espacio multidimensional. Estos,
suministran el contexto en el que se obtienen las medidas. Algunos ejemplos son:
tiempo, producto, cliente, departamento, entre otras. Las dimensiones se utilizan para
seleccionar y agrupar los datos en un nivel de detalle deseado. Los componentes de una
dimensión se denominan niveles y se organizan en jerarquías. En definitiva, las tablas
de dimensiones definen cómo están organizados los datos lógicamente y proveen el
medio para analizar el contexto del negocio. Por ejemplo, podemos ver que la jerarquía
para la dimensión tiempo es la siguiente: Día, Mes y Año. (TAMAYO et Al, 2006).
Modelo Lógico de un Data Warehouse
El modelo multidimensional de un DW se construye aplicando un criterio determinado
que, entre otras cosas, permite definir la estructura interna del almacén de datos. Los
diseños posibles de un Data Warehouse son: el esquema en estrella, el esquema copo de
nieve y la constelación de hechos. Cada uno de estos esquemas tiene ventajas como
desventajas y deben ser elegidos en función de la necesidad de la empresa y las
características del modelo. La selección de un esquema más adecuado, dependerá
principalmente del criterio que se utilice al realizar el estudio sobre el problema y los
factores que afectarán el desempeño general del sistema. Entre ellos, están: el
rendimiento de las herramientas al ejecutar consultas, el tamaño del almacén y el
mantenimiento los datos.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 45
Esquema en estrella: Este esquema posee una tabla central llamada tabla de
“Hechos”, donde se almacenan los elementos correspondientes al dominio del
problema que se debe analizar. La misma, está rodeada por tablas de
“Dimensiones” que contienen información necesaria para generar las consultas.
La forma que adopta el modelo, de una de tabla central más grande (hechos)
rodeada tablas o radiales más pequeños (dimensiones), hacen que el esquema se
asemeje a una estrella, dándole nombre a este tipo de construcciones (ROJAS,
2009). Dada su simpleza y la velocidad de respuesta, éste es el esquema ideal
para realizar análisis multidimensionales sobre los datos en los sistemas OLAP.
Como ventaja adicional, éste esquema soporta las consultas de datos agregados y
las consulas de datos de mayor detalle con una velocidad de respuesta bastante
similar.
Esquema copo de nieve: Es una variante del esquema en estrella que presenta
las tablas de dimensión normalizadas. La finalidad de normalizar las tablas es la
eliminación de la redundancia de datos y con ello la reducción del espacio de
almacenamiento. La principal desventaja de este esquema es la caída del
rendimiento para generar las consultas. Esto se debe a que el gestor de consultas
debe crear más tablas de dimensiones y relaciones entre tablas (JOINs). Lo que
provoca una caída significativa en la velocidad de las respuestas.
Constelación de hechos: es una conformación de varios esquemas en estrella o
copo de nieve que comparten las dimensiones. Este esquema es más complejo
que arquitecturas anteriores porque que contiene múltiples tablas de hechos.
Aunque el esquema constelación es más complejo tiene la gran virtud de ser más
flexible. Sin embargo, cuando el número de las tablas vinculadas aumenta la
arquitectura puede llegar a ser muy compleja y difícil de mantener.
Salidas del Data Warehouse
Como venimos viendo, un Data Warehouse es un almacén de datos desde donde se
extrae información periódicamente para uso interno de una organización. La
información es obtenida por medio de una serie de herramientas que acceden a la base
de datos de diferentes maneras para responder a la necesidad particular del usuario.
Entre las formas principales de consultar la base de datos están: las herramientas OLAP,
las herramientas de consulta Ad-Hoc, los Tableros de Control (Dashboard) e incluso
pueden existir aplicaciones creadas por terceros con algún fin particular.
Los sistemas OLAP, en general, son herramientas de consulta y exploración de
datos multidimensionales que permiten extraer la información contenida dentro
del DW. Estas herramientas constituyen el nexo entre el depósito de datos y los
usuarios y, por lo general, poseen interfaces gráficas amigables para permitir
generar, por medio de una serie de pasos sencillos, consultas complejas de forma
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 46
sencilla. El motor que procesa dichas consultas es denominado Query Manager.
Éste es el encargado de gestionar las solicitudes, interactuar con el almacén de
datos, generar los resultados para finalmente entregarlos al usuario en diversos
formatos.
Las Herramienta de Consultas Ad-Hoc pertenecen a un tipo específico de
solución, gestionada directamente por los usuarios finales, empleada para
generar reportes de distinta índole. Estas herramientas brindan la posibilidad al
usuario de manipular directamente las tablas y las uniones existentes para
diseñar y ejecutar sus propias consultas.
El tablero de control es una herramienta que permite entregar información de
gestión de manera resumida y oportuna para la toma de decisión.
Los resultados obtenidos desde una herramienta de tipo Query Manager son entregados
al usuario en varios formatos según la necesidad y se clasifican de la siguiente manera:
Figura 2.4.
Reportes y Consultas: Son pantallas gráficas e intuitivas que brindan la
posibilidad de generar informes avanzados y detallados en el área del negocio
que se esté analizando. El usuario solo debe seguir una serie de pasos para
generar estos reportes. Por ejemplo, podrá seleccionar los elementos que
necesita visualizar, elegir las condiciones y los criterios de agrupación,
seleccionar otros atributos que considere significativos y finalmente ejecutar la
consulta. Posteriormente, el reporte construido podrá ser guardado y consultado
por el mismo usuario de forma periódica. (BERNABEU, 2010)
Vista de Análisis: Son instrumentos que permiten la navegación y exploración
dinámica de los datos de manera interactiva, pudiendo seleccionar las diferentes
dimensiones del análisis. Las mismas, están preparadas para realizar operaciones
complejas como en la perforación y cruzamiento de datos para obtener un mayor
detalle a partir de la información consultada inicialmente. Estas herramientas
están optimizadas para responder rápidamente a las consultas realizadas con una
elevada velocidad de respuesta.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 47
Tablero de Control: Estos pueden entenderse como una colección de reportes y
consultas interactivas que hacen referencia a un tema en particular presentados
en conjunto dentro de un único panel. Este instrumento, permite analizar la
situación general de la empresa mediante lectura de los indicadores más
importantes. Con la simple observación del panel es posible distinguir
rápidamente aquellas áreas de la empresa que requieren una atención de mayor
urgencia.
Metodología Hefesto
Fuente: “HEFESTO: Metodología para la Construcción de un Data Warehouse” (BERNABEU, 2010).
Introducción
Hefesto es una metodología desarrollada recientemente por el Ing. Darío Bernabeu cuya
finalidad es guiar el modelado del Data Warehouse de manera sencilla, ordenada y de
forma intuitiva. Con la ayuda de esta metodología es posible obtener, en poco tiempo,
una visión integral del problema y del modelo constructivo, suficientemente sólida, para
desarrollar una implementación completa del sistema requerido. Estas, son las razones
más fuertes que se tuvieron en cuenta para decidir su utilización en el proyecto de tesis.
La propuesta Hefesto fue impulsada en base a una amplia y exhaustiva investigación
realizada, la comparación de metodologías existentes y experiencias previas aportadas
por el mismo autor, en el estudio y confección de distintos almacenes de datos
construidos. Actualmente la misma se encuentra en la versión 2.0.
Proceso de Diseño
Para llevar a cabo la construcción controlada de una solución de Inteligencia de
Negocio, de manera de minimizar los riesgos del proyecto durante la ejecución, la
metodología Hefesto sugiere distribuir el proceso en cuatro fases:
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 48
Figura 2.5. Fuente: “HEFESTO: Metodología para la Construcción de un Data Warehouse”
(BERNABEU, 2010).
Hefesto propone, en la primera etapa, identificar de las necesidades de los usuarios para
conocer las preguntas claves del negocio. Luego, se continúa con el diseño de los
indicadores que van a responder a estos interrogantes junto con las perspectivas de
análisis requeridas. Más tarde, se construirá el modelo conceptual de datos del DW.
En etapas posteriores, se deberán analizar las fuentes de datos OLTP para determinar los
factores constructivos de cada indicador, se señalarán las correspondencias con las
fuentes de datos y, por último, se determinará el campo de estudio de cada perspectiva.
Una vez hecho esto, se podrá continuar con la construcción del modelo lógico del
depósito de datos. En esta etapa, deberá quedar definido el tipo de esquema utilizado en
la implementación. También, se construirán las tablas de dimensiones y las tablas de
hechos para, finalmente, efectuar las uniones correspondientes.
Por último, se definirán los procesos de extracción, transformación y carga para capturar
los datos desde las diferentes fuentes de datos y, finalmente, almacenarlos en el DW.
Ventajas del modelo Hefesto
Los objetivos y resultados esperados en cada fase se distinguen fácilmente y son
sencillos de comprender.
Se basa en los requerimientos del usuario, por lo cual su estructura es capaz de
adaptarse con facilidad y rapidez ante los cambios en el negocio.
Reduce la resistencia al cambio, ya que involucra al usuario final en cada etapa
para que tome decisiones respecto al comportamiento y funciones del DW.
Utiliza modelos conceptuales y lógicos, los cuales son sencillos de interpretar y
analizar.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 49
Es independiente del tipo de ciclo de vida que se emplee para contener la
metodología.
Es independiente de las herramientas que se utilicen en la implementación.
Es independiente de la estructura física que contengan el DW y de su respectiva
distribución.
Cuando se culmina con una fase, los resultados obtenidos se convierten en el
punto de partida para llevar a cabo el paso siguiente.
Se aplica tanto para Data Warehouse como para Data Mart.
Aplicación metodológica
En este apartado se describirá la metodología Hefesto con el objetivo de conocer cada
uno de los conceptos aplicados en el trabajo de tesis y las etapas por las que se va
transitar durante la implementación. A continuación, se presenta un resumen de la
metodología, tomada de la versión 2.0 del libro “Metodología para la construcción de
un Datawarehouse”. Para mayor información, se sugiere referirse a la fuente original.
Antes de comenzar a utilizar esta metodología, es altamente recomendable realizar un
estudio previo sobre la empresa. Con el cual, será posible sentar las bases esenciales
para todas las decisiones que se tomen respecto de la implementación y el diseño del
DW. Por otro lado, nos permitirá conocer su funcionamiento, las necesidades la misma,
las personas involucradas, entre otros aspectos. A partir de esta información, se podrá
armar un contexto sólido para desarrollar el trabajo, implementar el sistema y diseñar el
depósito de datos de la manera más adecuada.
El objetivo principal de esta fase es obtener e identificar la información clave para
gestión de la organización. Es decir, aquella información que asegura que la toma de
decisión de sea un proceso eficaz y eficiente, que permite alcanzar más fácilmente las
metas de la empresa.
Lo primero que se debe realizar es identificar los requerimientos del usuario a través de
una serie de preguntas que expliciten los objetivos de la organización. Este proceso se
puede realizar de diversas maneras en función del criterio que aplique el agente
encargado de llevar a cabo la tarea. Algunos ejemplos de técnicas empleadas son: las
entrevistas, los cuestionarios, la observación directa, etc. El objetivo es identificar las
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 50
variables del negocio que permitirán, posteriormente, estudiar la información
organizacional desde diferentes perspectivas de análisis.
Una vez que se han establecido las preguntas claves de negocio se debe proceder a la
descomposición de las mismas para extraer, de ellas, cuáles serán los indicadores
utilizados y las perspectivas de análisis apropiadas. Este es un proceso en el que se debe
identificar cada uno de los elementos y componentes que formarán parte del modelo
conceptual descripto en el siguiente paso.
En esta etapa, se construirá un modelo conceptual a partir de los indicadores y
perspectivas obtenidas en el paso anterior. El proceso de construcción del modelo
conceptual consiste en reunir los indicadores y perspectivas identificadas para ubicarlas
en un mapa lógico que represente claramente su significado y su relación con el
dominio del problema.
La representación gráfica del modelo conceptual es la siguiente:
Figura 2.6. Fuente: “HEFESTO: Metodología para la Construcción de un Data Warehouse”
(BERNABEU, 2010).
Descripción del Modelo Conceptual
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 51
A la izquierda se colocan las perspectivas seleccionadas que estarán unidas a un óvalo
central que representa la unión y lleva el nombre de la relación que existe entre ellas. La
relación constituye el proceso o área de estudio elegido. De dicha relación y
entrelazadas con flechas, se desprenden los indicadores. Estos se ubican a la derecha del
esquema.
En este paso, se deben analizar las fuentes OLTP para definir la manera en que se
obtendrán los indicadores y también para establecer las respectivas correspondencias
entre el modelo conceptual, creado en el punto anterior, y las fuentes de datos.
En este paso es necesario definir cuál es el cálculo utilizado para obtener cada uno de
los indicadores a partir de la información disponible en el modelo de datos.
Completado el punto anterior, es necesario establecer la relación entre el modelo
conceptual y las fuentes de datos disponibles con el objetivo de establecer,
inequívocamente, la correspondencia que existe entre todos los componentes utilizados
para la obtención de los indicadores.
Al quedar establecidas las relaciones y correspondencias en los OLTP, se procede con la
selección los campos que serán incluidos en cada una de las perspectivas para
determinar el nivel de granularidad del modelo. Cuanto mayor sea el nivel de detalle de
los datos se tendrán mayores posibilidades analíticas. Todos los campos que se incluyan
serán utilizados, más adelante, para la manipulación de la información una vez que
quede terminado el sistema. Por ello, será necesario indagar el diccionario de datos y
consultar al personal de sistema para determinar inequívocamente el significado de cada
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 52
uno de los elementos disponibles y seleccionar adecuadamente los campos que tengan
mayor relevancia.
El objetivo de este paso es ampliar el modelo conceptual. La tarea consiste en colocar
debajo de cada perspectiva todos los campos elegidos y debajo de cada indicador su
respectiva fórmula de cálculo. Los resultados deberán verse gráficamente de la siguiente
manera:
Figura 2.7. Fuente: “HEFESTO: Metodología para la Construcción de un Data Warehouse”
(BERNABEU, 2010).
Modelo Conceptual ampliado.
Para diseñar el Modelo Lógico utilizado en la construcción del Data Warehouse es
necesario basarse en el modelo conceptual desarrollado en las etapas anteriores. Lo
primero que se debe hacer es definir el tipo de modelo más adecuado, Seguidamente, se
deberán crear las tablas de Dimensión y las tablas de Hechos. Por último, habrá que
definir todas las uniones entre las tablas.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 53
Lo que hay que hacer en este punto es elegir el tipo de esquema más adecuado para
definir el depósito de datos. Es necesario revisar las características de cada uno de los
esquemas posibles y seleccionar aquel que mejor se adapte a los requerimientos y
necesidades de los usuarios.
El proceso consiste en diseñar las tablas de dimensiones siguiendo el procedimiento que
corresponde al esquema elegido para del modelo lógico de datos. Cada una de las
perspectivas definidas en el modelo conceptual se corresponderá con una tabla de
dimensión. El proceso de creación de la tabla dimensión, descripto en la metodología,
debe ser repetido tantas veces como perspectivas haya en el modelo conceptual.
En este paso, se deben definir las tablas de hechos que guardarán los valores de interés
utilizados para generar cada uno de los indicadores definidos.
Según el tipo de esquema utilizado es necesario definir las uniones correspondientes
entre las tablas de dimensiones y las tablas de hecho correspondientes.
Una vez ubicados en esta parte del proyecto, deberíamos tener completamente definido
el modelo lógico del DW. El paso siguiente es definir las operaciones que se encargarán
de poblar con información el repositorio de datos. A esta lista de operaciones se las
conoce como Procesos ETL. Los mismos se encargarán de tomar la información desde
diversas fuentes de datos, realizar ciertas transformaciones a los mismos y finalmente
almacenarlos de manera integrada dentro del DW. Estas transformaciones tienen el
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 54
propósito de asegurar la integridad de la información en el almacén. Entre las
operaciones principales que realizan se encuentran: la integración, el filtrado y la
depuración. El diseño de los procesos ETL, se lleva a cabo con la asistencia de
herramientas destinadas a tal fin. Por esta razón, solo será necesario enfocarse en la
generación de las sentencias SQL que serán utilizadas para extraer todos los datos de
requeridos desde las fuentes de información. También será posible incluir, entre los
procesos ETL, cualquier otro procedimiento que sea requerido para facilitar el
mantenimiento del modelo de datos.
Es recomendable comenzar un proceso ETL desde la carga de datos de las tablas de
dimensiones y luego continuar con la carga de las tablas de hecho, teniendo en cuenta la
correcta correspondencia entre los miembros. En el caso de utilizar un esquema de tipo
copo de nieve para el Data Warehouse, siempre que exista un jerarquía en algunas de las
dimensiones, será necesario comenzar con la carga las tablas de nivel principal (menor
detalle) y posteriormente, continuar con las tablas de nivel inferior (mayor detalle). Una
vez definido el mecanismo utilizado para poblar el DW, será necesario establecer las
políticas de actualización y refresco de los datos.
Al concluir completamente las etapas descriptas en la metodología Hefesto se cuenta
con la información de diseño necesaria para comenzar, de manera consecutiva, con el
diseño de los cubos multidimensionales. Los mismos deben tener claramente descriptos
cuáles son los indicadores, los atributos y las jerarquías utilizadas. Desde el momento
que se tengan definidos de los cubos multidimensionales se está en condiciones de
comenzar la implementación del sistema.
Data Mining
El Data Minning, es el término utilizado para describir al conjunto de técnicas
empleadas para descubrir conocimiento oculto en bases de datos. Esta disciplina,
combina técnicas tradicionales y operaciones específicas de la inteligencia artificial en
la extracción de conocimiento a partir del análisis de grandes volúmenes de datos
presentes en una organización. Conforme al paso el tiempo, el término "Minería de
Datos" (Data Mining) ha tenido más aceptación para referirse específicamente a la
aplicación de estas técnicas en general.
En otras palabras, Data Mining es el conjunto de técnicas aplicadas a la exploración de
grandes volúmenes de datos con el objetivo de obtener predicciones automatizadas
acerca de comportamientos y de tendencias que permitan descubrir o interpretar nuevo
conocimiento implícito dentro de un determinado contexto.
Las herramientas de Data Mining permiten explorar gran cantidad de datos dispersos en
alguna fuente de datos con el objetivo de predecir tendencias o comportamientos futuros
de una empresa. Estas herramientas complementan fuertemente el proceso de toma de
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 55
decisión empresarial al aportar cierto tipo de conocimiento adicional, que de otra forma,
no se habría encontrado. Con la utilización de herramientas de este tipo, es posible
generar nuevas oportunidades de negocio.
Algunas características de estas herramientas son:
Mejorar el funcionamiento de la organización.
Optimizar el manejo de sus bases de datos.
Predicción automatizada de tendencias y comportamientos.
Obtener ventajas comerciales.
Mejorar calidad de productos.
Descubrimiento automatizado de modelos desconocidos.
Descubrimiento de anomalías y acciones fraudulentas por parte de clientes.
Objetivos
Descripción: El principal producto del proceso de la minería de datos es el
descubrimiento de reglas. Las reglas mostrarán nuevas relaciones entre las
variables y nuevas excepciones de acuerdo a la empresa que empele estas
técnicas. Esto será de gran utilidad durante la planificación estratégica de la
misma.
Predicción (Forecasting): Las nuevas reglas o comportamientos descubiertos
pueden ser utilizados para predecir algunas variables de salida. Las predicciones
comúnmente se emplean en conjunto con algunas técnicas tradicionales de
estadística junto a otras técnicas provenientes de la inteligencia artificial.
Modelos
Para poder aplicar las técnicas de Data Mining es necesario establecer un marco de
trabajo que permita construir y evaluar el comportamiento de un primer modelo
propuesto en una situación conocida, para luego, aplicar este mismo modelo en
condiciones desconocidas pero de similares características. El objetivo final, es obtener
conclusiones a partir de los resultados logrados. Este proceso se denomina Modelado.
Un ejemplo muy conocido para explicar lo que es un modelado es el siguiente: “Si se
desea buscar un galeón español hundido en algún mar. Lo primero que podría hacerse es
investigar acerca de otros tesoros españoles que hayan sido encontrados en el pasado.
Notaría que esos barcos frecuentemente fueron encontrados fuera de las costas de
Bermuda y que existen ciertas características similares respecto de las corrientes
oceánicas y las rutas que probablemente se habrían tomado por los capitanes de barco
en esa época. Al identificar esas similitudes es posible construir un modelo que incluya
las características comunes a todos los sitios donde se encontraron tesoros hundidos. A
partir de esta nueva información, será posible buscar más tesoros en lugares donde
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 56
exista mayor probabilidad de encontrarlos. Con un poco de esperanza, si tiene un buen
modelo, probablemente se podrá hallar un tesoro”. (LOOR DÍAZ, 2006)
La implementación de Data Minin es un proceso que puede ser dividido en diversas
fases con el objetivo de guiar el proyecto de manera controlada. Estas fases,
independientemente de la técnica que se seleccione para realizar la extracción de
conocimiento, son:
Filtrado de datos: El formato de los datos contenidos en la fuente de datos
nunca es el idóneo y, la mayoría de las veces, no es posible utilizar ningún
algoritmo de minería. Mediante este proceso se filtran los datos (se eliminan
valores incorrectos, no válidos o desconocidos), se obtienen muestras de los
mismos (mayor velocidad de respuesta del proceso), o se reduce el número de
valores posibles (mediante el redondeo y el agrupamiento) (VALLEJOS, 2006).
Selección de variables: Aún después de haber pre-procesados los datos, se
sigue teniendo una cantidad excesiva de información. La selección, es una
característica que permite, eligiendo adecuadamente las variables más
influyentes en el problema, reducir el tamaño de los datos sin sacrificar
drásticamente la calidad del modelo obtenido en el proceso de minería
(VALLEJOS, 2006).
Extracción de Conocimiento: Mediante la extracción se obtiene un modelo de
conocimiento que representa patrones de comportamiento observados en los
valores de las variables del problema o las relaciones de asociación entre dichas
variables. También es posible usar, simultáneamente, varias técnicas diferentes
para generar distintos modelos en éste paso (VALLEJOS, 2006).
Interpretación y evaluación: Finalmente se procede con la validación del
modelo. En este paso se pretende comprobar que los resultados sean válidos y
satisfactorios. Si se hubieran empleado varios modelos diferentes, éstos deberán
ser comparados entre sí en busca de aquel que se ajuste mejor situación del
problema. Puede resultar también, que ninguno de los modelos alcance el
resultado esperado, en tal caso, se tendrá que alterar alguno de estos modelos
tantas veces hasta superar la etapa (VALLEJOS, 2006).
Beneficios
Contribuye con el proceso de toma de decisión empresarial al proporcionar un
mejor sentido de orientación, tanto táctico como estratégico.
Permite que usuarios asignen mejor la prioridad de las acciones y decisiones.
Así por ejemplo, podrán resolver el siguiente interrogante: qué segmentos de
clientes son menos atractivos para la empresa.
Refuerza el poder de decisión de los usuarios que mejor entienden del problema
y del entorno mismo del problema. A su vez, brinda las herramientas para
comprobar resultados de las acciones efectuadas.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 57
Permite generar Modelos Descriptivos sobre los datos que serán utilizados para
explorar automáticamente, visualizar y comprender la información, junto a sus
patrones de comportamiento.
Permite la construcción de Modelos Predictivos. Con ellos, luego se podrán
obtener relaciones no descubiertas por el proceso del Data Mining y expresarlas
como nuevas reglas de negocio. Estos outputs (salidas del sistema) podrán
difundirse dentro de la organización en formatos tradicionales para facilitar la
gestión estratégica y la planificación de recursos en la empresa.
Herramientas empleadas en Data Mining.
En esta sección se presentan algunas herramientas software empleadas para trabajar con
Data Mining.
Weka: Suite de minería de datos de libre distribución.
Weka es una colección de máquinas virtuales para implementar algoritmos y realizar
tareas de minería de datos. Los algoritmos pueden aplicarse directamente a un conjunto
de datos o pueden utilizarse desde un programa de Java. Weka contiene herramientas
para el procesamiento de datos, clasificación, asociación, visualización, entre otras
cosas. También está bien preparado para desarrollar esquemas. Weka es un software
abierto licenciado bajo GNU.
MLC++: Conjunto de librerías y utilidades de minería de datos.
Es una biblioteca o librería de clases escritas en el lenguaje C++. Proporciona
algoritmos que pueden ser usados por usuarios finales, analistas, profesionales e
investigadores. El objetivo principal es proporcionar una variedad de herramientas que
ayuden a implementar procesos de minería de datos, acelerar el desarrollo de nuevos
algoritmos mineros, y proporcionar herramientas de comparación y despliegue de
información.
Xelopes: Librería distribuida bajo licencia pública GNU para el desarrollo de
aplicaciones de minería de datos.
Es una librería multi-plataforma utilizada para la ejecutar procesos de Data Mining.
Proporciona algoritmos de minería de datos muy eficaces para ser integrados de manera
transparente en aplicaciones particulares. Esta librería, soporta la selección automática
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 58
de los parámetros utilizados en las llamadas a los métodos del programa para que los
mismos puedan ser desplegados de forma automática.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 59
MODELO TEÓRICO
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 60
Introducción
Dentro de la fase Modelo Teórico del proyecto se procederá con el diseño del modelo
requerido durante la implementación del sistema. Finalizada esta etapa, quedarán
completamente definidos cada uno de los artefactos necesarios para la elaboración el
sistema de inteligencia de negocio.
Adoptando el modelo de trabajo propuesto en la metodología Hefesto, vamos a dividir
la construcción del sistema en cinco etapas fundamentales: Requisitos, Análisis, Diseño,
Implementación y Prueba. De las cuales, las primeras tres estarán contenidas dentro de
la sección “Modelo Teórico” del capítulo 3 y abarcarán desde la recopilación de los
requerimientos del sistema, su análisis y el diseño de los modelos de datos. Mientras
que los restantes, serán contemplados dentro de la sección “Concreción del Modelo” del
capítulo 4, en la cual se realizará la implementación y la prueba general del sistema.
A continuación de describen las etapas fundamentales desarrolladas dentro del “Modelo
Teórico”:
Planificación
Requerimientos
o Requerimientos funcionales del sistema
o Requerimientos no funcionales del sistema
Análisis y Diseño
o Diseño del modelo
o Análisis de Requerimientos
o Análisis de los OLTP
o Modelo Lógico del DW
o Integración de Datos.
o Implementación
o Creación de Informes
o Creación de cubos multidimensionales
Dentro del capítulo “Concreción del Modelo” se desarrollan las siguientes secciones:
Implementación
Pruebas
Análisis de Resultado
Experiencias Alcanzadas
Puesta en marcha
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 61
Programación de actividades
Diagrama de Actividades
Diagrama de Actividades del Proyecto BI en Magneti Marelli.
Tabla 3.1
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 62
Diagrama De Gantt
Figura 3.1.
Requerimientos funcionales del sistema
En la primera etapa de desarrollo se realizaron las tareas de relevamiento. Estas
permitieron recabar información referida a la actividad de la organización, como
también, acerca de las necesidades presentes. Se realizaron, en su momento, diferentes
entrevistas a los miembros que estaban directamente involucrados en el proyecto para
identificar los requerimientos esenciales del sistema en función de la necesidades que
tenían. En esta sección, se van a documentar cada uno de los requerimientos
identificados de manera de poder utilizarlos posteriormente para el diseño del modelo
lógico. A continuación se listan los elementos de interés identificados:
1. Indicador OEE:
Se identificó la necesidad de construir un indicador que permita evaluar el rendimiento
general de la organización en términos de desempeño de la línea productiva. El
indicador propuesto fue el OEE (Overall Equipment Effectiveness o Eficiencia General
de los Equipos), cuyo objetivo es medir la eficiencia productiva de la maquinaria
industrial.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 63
2. Indicador Calidad:
El indicador representa el porcentaje de unidades no conformes con respecto al número
total de unidades fabricadas. Las unidades producidas pueden ser clasificadas en dos
tipos: Conformes (piezas buenas) y No Conformes (piezas malas o rechazadas). A
veces, las unidades No Conformes pueden ser recuperadas por los operarios y
finalmente terminar siendo clasificadas como piezas Conformes. Este indicador sólo
considera a las piezas que salen conformes la primera vez, y no a aquellas piezas que
necesitan ser reprocesadas. Por tanto las unidades que posteriormente van a ser
reprocesadas deben considerarse inequívocamente como piezas rechazadas.
3. Indicador Productividad:
Este indicador resulta de dividir la cantidad de piezas realmente producidas por la
cantidad de piezas que se podrían haber producido. El valor de “cantidad de piezas que
se podrían haber producido” se obtiene de multiplicar el tiempo de producción por la
capacidad de producción nominal de la máquina. El valor de “capacidad nominal de la
maquina” es un valor ideal máximo de producción obtenido en una máquina
determinada. Este valor puede estar provisto por el fabricante de la máquina en cuestión
o bien, es posible utilizar un valor de estándar de fabricación para determinar el ciclo de
fabricación de una operación determinada. Este parámetro se puede obtener mediante un
método de medición realizado sobre el proceso de producción.
4. Tiempo de Setup:
El “Tiempo de Setup” es el periodo de tiempo empleado para ajustar el equipamiento
antes de comenzar la fabricación de un componente. El Tiempo de Setup está
directamente relacionado con las variaciones del producto y la planificación de la
producción realizada.
5. Cantidad de Setup:
Es el número total de operaciones de Setup o de ajuste, realizadas en una línea de
producción.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 64
6. Tiempo de Paradas No Programadas.
Este indicador contiene el tiempo total consumido de pérdida de mano de obra
provocado por las detenciones no programadas en la línea de producción.
7. Cantidad de Piezas Defectuosas:
El indicador contiene la cantidad total de piezas fabricadas que tienen algún defecto de
fabricación.
Requerimientos no funcionales del sistema
En este momento es importante detenerse a describir en detalle las características de la
plataforma empleada para soportar el Data Warehouse. Lo fundamental es entender
cómo es la arquitectura de la aplicación que se va a utilizar, su funcionamiento y los
pasos necesarios para realizar su configuración.
La principal razón por la que se decidió emplear la aplicación Pentaho Community
Edition para la implementación del Data Warehouse es debido a que la herramienta es
Open Source y, por lo tanto, está totalmente liberada para cualquier uso sin ningún tipo
de restricciones. Todas las herramientas que contiene Pentaho CE están distribuidas
bajo licenciamiento GNU GPL (General Public License), por lo que son de uso Libre.
El mismo criterio fue utilizado para elegir el sistema de base de datos empleado para
almacenar la información del DW. De igual forma, se eligió el sistema de gestión de
base de datos MySQL, el cual tiene el mismo tipo de licenciamiento.
Es de destacar que, como veremos más adelante, Pentaho fue diseñado e implementado
para trabajar dentro de un esquema de tipo Cliente-Servidor. Este software y todos sus
componentes asociados conforman un Servicio de Consulta que esta contenido dentro
de un equipo de tipo Servidor.
Los componentes o Softwares necesarios para construir la Solución de Negocio basados
en esta arquitectura son: Pentaho Reporting, Pentaho Data Integration, Pentaho
Metadata y Pentaho Analysis Services.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 65
Arquitectura Lógica
Figura 3.2.
El diagrama expuesto arriba representa el esquema lógico del sistema de información
diseñado para la implementación. El mismo esta subdividido en dos partes principales.
A la izquierda, se encuentra el sistema de información empresarial, en donde se produce
y se almacena la información diaria del negocio. A la derecha, se distingue el sistema de
Inteligencia de Negocio donde se procesa y almacena la información dentro del Data
Warehouse para ser, finalmente, consultada por las herramientas de reportes.
Para comprender mejor el esquema, es necesario saber que el flujo normal de los datos
se realiza de forma horizontal y de izquierda a derecha. El ciclo de vida de la
información, comienza con la recolección de los datos generados en forma diaria, desde
los distintos puntos de adquisición de datos diseñados especialmente para este fin.
Luego, estos datos son almacenados de manera estructurada dentro de una base de
datos. Todos componentes que se utilizan para la recopilación de datos y su
almacenamiento pertenecen, como podemos ver en el gráfico, al sistema de información
empresarial. Una vez que la información fue colectada desde los puntos de adquisición,
la misma es procesada y trasladada a una nueva base de datos especialmente preparada
para soportar las consultas multi-dimensionales de manera eficiente. En este paso se
incorpora cualquier otra información que tenga pertinencia con la necesidad
organizacional, sea a partir de bases de datos o incluso desde archivos administrativos
utilizados en la empresa. Tales como, archivos Excels, archivos planos, etc. En el
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 66
esquema propuesto, el sistema de Inteligencia de Negocio, incluye todos los artefactos
intervinientes desde la obtención de los datos desde las fuentes organizacionales, el
procesamiento y almacenamiento en el nuevo almacén, junto a las herramientas de
consultas utilizadas para generar los reportes.
El ciclo de vida de la información concluye cuando los datos pre-procesados son
consultados, de manera dinámica, por los diversos usuarios de la organización
empleando, para ello, las herramientas interactivas disponibles en la plataforma que fue
seleccionada.
Infraestructura requerida
Servidor Pentaho
El componente principal de la implementación es el Servidor. Este equipo debe
soportar la aplicación de Servicios de Consulta de Pentaho CE. Por lo tanto, es
necesario revisar la documentación para conocer cuáles son los requerimientos
técnicos que publica el fabricante para ejecutar el programa adecuadamente.
Según el fabricante Pentaho los límites indicados a continuación no son estrictos
tanto en la capacidad computacional como en el hardware de red que se deba
utilizar. No obstante, se sugiere superar los requerimientos mínimos para obtener
un resultado aceptable.
Requerimientos de Hardware del Servidor Pentaho
Hardware Características
RAM Al menos 2GB
Hard drive space Al menos 1GB
Processor Dual-core AMD64 or
EM64T
Tabla 3.2.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 67
Servidor del SGBD
El sistema de gestión de base de datos MySql, va a ser instalado en el mismo
equipo donde se encuentra el servicio Pentaho CE. Por lo que el hardware
utilizado deberá superar las capacidades mínimas de ambos productos, debiéndose
tomar convenientemente un margen de acuerdo al criterio del diseñador de la
arquitectura.
Los requerimientos necesarios para correr un servidor de base de datos MySql,
según lo informa su fabricante, son los siguientes:
Requerimientos de Hardware del Servidor de Base de Datos
Hardware Características
RAM Al menos 128MB
Hard drive space Al menos 150MB
Processor X86 700 Mhz
Tabla 3.3.
Terminal Cliente
Los equipos de cada usuario (las maquinas clientes) necesitarán acceder a los
servicios Web brindados por el servidor Pentaho. Los requerimientos de hardware
de estas máquinas serán muy reducidos debido a que sólo necesitarán correr un
Navegador de Internet. Por esta razón, se sugiere la instalación de una
computadora en cada terminal de usuario que supere los requerimientos mínimos
descriptos a continuación:
Requerimientos de Hardware de la Máquina Cliente
Hardware Características
Processor X86 700 Mhz
Tabla 3.4.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 68
Selección de la Tecnología
Pentaho
Pentaho es una plataforma de Inteligencia de Negocio que incluye los componentes
esenciales para poder implementar una solución integrada. En otras palabras, cuenta con
una serie de herramientas de gestión y análisis de la información, junto a herramientas
de presentación y procesamiento de grandes volúmenes de datos requeridos en una
implementación de esta envergadura. Esta plataforma estará configurada para procesar
la información transaccional de la organización y presentarla de manera oportuna para
su análisis.
Pentaho cuenta con la posibilidad de entregar los reportes solicitados a los usuarios en
diferentes formatos de archivo para simplificar la gestión de la información en la
empresa. El sistema permite utilizar los formatos más comunes como son: archivos pdf,
HTML, hojas excels, entre otros. Esta plataforma permite, a su vez, consultar informes
o reportes preestablecidos, aunque también es posible diseñar informes personalizados
de tipo Ad Hoc de manera sencilla e intuitiva.
Por otro lado, cuenta con una herramienta de presentación denominada Community
Dashboard Framework con la que se construyen los tableros de control de gestión de
manera amigable e interactiva.
Pentaho utiliza un motor Web Apache. Por lo que su acceso para el mantenimiento
puede ser realizado de manera remota mediante algún explorador de Internet conocido.
Cuenta además, con una infraestructura de tipo JMS (Java Message Service) para enviar
resúmenes por correo electrónico y programar dichas tareas a través del sistema de
planificación llamado Quartz.
La plataforma mencionada fue seleccionada por diversas razones. En primer lugar, se
tuvo en cuanta el hecho de que la herramienta es libre y gratuita. Por otro lado, se
contemplaron otras cuestiones no menores, como por ejemplo, la versatilidad para
ejecutarse en diferentes Sistemas Operativos y la aparición paulatina de nuevas
experiencias en el empleo de esta plataforma junto a la existencia de una extensa
comunidad que la está respaldando día a día y que, además, está aportando
continuamente para su desarrollo. Otro factor se contempló para su elección fue la
capacidad y la escalabilidad que tiene la herramienta para brindar excelentes soluciones
en diferentes niveles de complejidad y tamaño de problemas, permitiendo atender las
necesidades de pequeñas y grandes empresas eficientemente. Finalmente, por su
facilidad para el uso y por tener una curva de aprendizaje accesible para el empleo de la
solución por parte de los usuarios y de los desarrolladores.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 69
Extracción Transformación y Carga
La plataforma Pentaho CE cuenta con la herramienta Pentaho Data Integración (PDI)
para el diseño y construcción de los procesos ETL. Éstos, son los procesos que
recolectan, desde las distintas fuentes de información, los datos que alimentan el Data
Warehouse. Pentaho Data Integration, no solo brinda las herramientas para realizar la
recolección de datos, también ofrece los elementos necesarios para automatizar dichos
procesos y monitorear todas las ejecuciones. Esta herramienta cuenta con una extensa
biblioteca de procesos útiles para llevar a cabo la integración de los datos de manera
intuitiva. La misma puede ser empleada dentro de arquitecturas pequeñas y simples
hasta en aquellas que son más complejas.
Con una amplia gama de recursos de conectividad para acceder diversas fuentes de
datos, tanto estructuradas como semi-estructuradas, Pentaho Data Integration permite
consolidar los datos obtenidos desde múltiples orígenes y los transforma de modo
consistente para una posterior consulta. Gracias a su arquitectura de procesamiento
paralelo, la herramienta puede ejecutar las transformaciones más complejas en cuestión
de segundos. Su arquitectura tiene la capacidad de realizar la agrupación dinámica de
los datos para mejorar aún más el rendimiento y, al mismo tiempo, ofrece a los
desarrolladores una plataforma de tipo empresarial que se ajusta perfectamente a las
exigencias actuales de un Data Warehouse.
Mondrian
Este es un Motor OLAP escrito en el Lenguaje Java que permite el análisis interactivo
de grandes cantidades de datos almacenados en las bases de datos. El motor utiliza el
lenguaje de consulta MDX para componer los datos de manera multidimensional
mientras que, por otro lado, traduce las consultas MDX en sus correspondientes SQLs
para consultar todos los datos requeridos al Sistema de gestión de Base de Datos
existente (SGBD).
El termino OLAP (Online Analytical Processing), hace referencia al análisis de largas
cantidades de datos en tiempo real. A diferencia de OLTP (Online Transaction
Processing), donde las operaciones son principalmente de lectura y actualización
realizadas bajo número reducido de registros, OLAP tiende a trabajar con grandes
volúmenes de datos, donde las operaciones son normalmente de lectura. El término
“online” define al tipo de consulta “eficiente y a término” de grandes cantidades de
datos (normalmente millones de registros almacenados en varios gigabytes de espacio
ocupado), donde es necesario responder rápidamente a las peticiones de los usuarios
permitiendo la exploración dinámica de los datos.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 70
MySQL
MySql es un Sistema de Gestión de Base de Datos de tipo relacional, multihilo y
multiusuario. El motor de base de datos de MySql puede ser utilizado de manera libre
bajo las condiciones contenidas dentro de la licencia GNU GPL. Aunque, aquellas
empresas que quieran incorporarlo en productos privativos deben comprar una licencia
específica para tal fin.
Se ha elegido a MySql para realizar el almacenamiento de los datos del Sistema de
Información Operacional y los del Data Warehouse. Las principales ventajas de este
SGBD son: su rápida instalación, su potente configuración, su alta performance, además
de su libertad para el uso.
Diseño del modelo
En esta sección se va a proceder con la construcción del modelo lógico del DW como lo
indica la metodología Hefesto. Cada una de las etapas, se corresponden exactamente
con los pasos que están descriptos en el capítulo 5.5 titulado “Pasos y aplicación
metodológica”. Para mayor información, se recomienda referirse al libro “HEFESTO:
Metodología para la Construcción de un Data Warehouse”.
Análisis de requerimiento
1. ¿Cuál es el rendimiento de cada célula de producción para cada producto
fabricado por empleado, en un tiempo y un turno indicado?
2. ¿Cuál es la cantidad de Piezas OK fabricadas en un proceso determinado
de un producto dado, en un tiempo y un turno indicado?
3. ¿Cuál es la cantidad de piezas defectuosas fabricadas en un proceso
determinado de un producto dado, en un tiempo y un turno indicado?
4. ¿Cuál es el tiempo total de producción alcanzado por producto,
consumido por un empleado, en un proceso determinado, en un tiempo y
un turno indicado?
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 71
5. ¿Cuál es el tiempo total de pérdida de mano por producto, consumido por
un empleado en un proceso determinado, en un tiempo y un turno
indicado?
6. ¿Cuál es la Cantidad de Operaciones de Setup (ajustes) realizados por un
empleado en un proceso, producto, turno, y tiempo determinado?
7. ¿Cuál es el Tiempo de Setup consumido por un empleado, en un proceso,
producto, turno, y tiempo determinado?
Nota:
Cantidad de Setup: es el número de veces que un empleado realiza el ajuste de
máquina para comenzar a producir un nuevo producto.
Tiempo de Setup: es el tiempo estándar estimado en el que cada operador debería
preparar la maquina antes de trabajar con cada producto.
Con las preguntas claves del negocio ya identificadas, lo siguiente es hacer la
descomposición de cada elemento para comprender y determinar inequívocamente
cuáles son los indicadores que se van a utilizar y cuáles son las perspectivas de análisis
que se aplicarán en modelo.
Indicadores:
Rendimiento
Cantidad de Setup
Tiempo de Setup
Cantidad Piezas OK
Cantidad Piezas Defectuosas
Horas Trabajadas
Horas Pérdida Mano de Obra
Perspectivas de análisis:
Tiempo
Turno
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 72
Producto
Proceso
Empleado
Estado de Producto
Clasificación de Tiempo
No Conformidad
Parada No Programadas
En este paso se realizará la construcción del modelo conceptual. El resultado de esta
etapa será una primera aproximación al modelo del DW que permitirá a los usuarios
revisar y comprender el alcance del proyecto principalmente.
Relación Indicadores:
Figura 3.3.
Relación Producción:
Figura 3.4.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 73
Relación Productividad:
Figura 3.5.
Dada la similitud de los indicadores <Cantidad de Piezas OK>, <Cantidad de Piezas No
OK>; <Horas Trabajadas> y <Horas de Pérdida de Mano de Obra> respectivamente, se
decidió unir y tratar a éstos valores, de manera unificada como dos indicadores. La
estrategia consiste en sumar ambos valores y poder discriminarlos según su tipo. Para
ello, se decidió crear una nueva la perspectiva de análisis con la que se podrá determinar
el tipo de indicador consultado. Esta estrategia va a permitir, ni más ni menos, que
simplificar el modelo OLTP.
Con esta modificación lógica se pretende pasar de tener cuatro indicadores, inicialmente
definidos, a solo dos: Cantidad de Piezas (indicador 4) y Horas Trabajadas (indicador
5), cuyas perspectivas serán: Estado Producto (OK; NO-OK) y Tiempo Clasificación
(Productivo; No Productivo) respectivamente.
También es necesario crear dos indicadores más para el cálculo del Rendimiento. El
indicador de Calidad y Productividad. A partir del producto de ambos se obtiene el
valor de rendimiento requerido.
Relación Indicadores:
Figura 3.5.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 74
Relación Producción:
Figura 3.6.
Relación Productividad:
Figura 3.7.
Análisis de los OLTP.
Esta etapa que sigue consiste en analizar las fuentes OLTP para determinar cómo serán
calculados los indicadores y posteriormente establecer las correspondencias entre el
modelo conceptual, creado en el paso anterior, y las fuentes de datos. Luego, se deberán
definir los campos que serán incluidos en cada perspectiva y, finalmente, se ampliará el
modelo conceptual con la nueva información obtenida de este paso.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 75
Hechos Identificados:
1. Hecho: “Rendimiento OEE”
Fórmula: 100 Calidad dadProductivi
Función de promedio: AVG
Descripción:
El indicador presenta el valor de rendimiento calculado en función de la
calidad y la productividad obtenida en los procesos de fabricación.
2. Hecho: “Cantidad Setup”
Fórmula: Cantidad de Items existentes en un Resumen de Producción
declarado.
Fórmula de Sumarización: SUM
Descripción:
El indicador representa la cantidad total de productos empleados en un
resumen. Lo que indica cuantas veces se requiere poner a punto un proceso
para fabricar un producto determinado.
3. Hecho: “Tiempo Setup”
Fórmula: 60 Setup Tiempo
Función de Sumarización: SUM
Descripción:
El Tiempo de Setup es el empleado para poner a punto una máquina antes de
comenzar a producir un producto determinado. Por cada cambio de producto
que se efectúa, el operario debe realizar la puesta a punto nuevamente. El
valor de tiempo medio consumido para la puesta a punto, está normalizado y
varía en función de cada proceso de fabricación. El indicador “Tiempo
Setup” viene a representar la sumatoria de los Tiempos de Setup utilizados
en cada uno de los procesos de fabricación existentes.
4. Hecho: “Cantidad Piezas”
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 76
Fórmula: Cantidad
Función de Sumarización: SUM
Descripción:
El indicador representa la sumatoria de las unidades que se han fabricado de
un producto en particular.
5. Hecho: “Horas Trabajadas”
Fórmula: TiempoFloat
Función Sumarización: SUM
Descripción:
El indicador representa las horas totales trabajadas.
Lista de Hechos Adicionales:
6. Hecho: “Productividad”
Fórmula: Trabajado Tiempo Estandar Producción
100 Total Producida Cantidad
Función de promedio: AVG
Descripción:
El indicador contiene el grado de productividad alcanzado en todos los
procesos de fabricación.
7. Hecho: “Calidad”
Fórmula:
100Total Producida Cantidad
DefectosCon Producida Cantidad Total Producida Cantidad
Función promedio: AVG
Descripción:
El indicador contiene el grado de calidad alcanzado en todos los procesos de
fabricación.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 77
El objetivo de este paso es identificar claramente las correspondencias existentes
entre el modelo conceptual y las fuentes de datos disponibles. Por ello, se debe
observar cada uno de los elementos inluidos para verificar, posteriormente, la
existencia de las entidades requeridas dentro del OLTP.
Es importante tener en cuenta que, a esta altura del proyecto, no se cuenta con un
modelo OLTP debido a que no existe ningún sistema de información que esté en
funcionamiento en la empresa. Por esta razon, se tendrá la libertad para definir cada
una de las entidades que se vayan a requerir en las etapas siguientes de la
metodología. Solamente habrá que pensar en los componentes que son necesarios
para el modelo, asumiendo que estarán disponibles una vez que se construya el
sistema de información que abastecerá de datos al Data Warehose. Sistema que será
construido más adelante en base a las entidades que aquí se definan.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 78
Dimensiones
Figura 3.8.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 79
Figura 3.9.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 80
Indicadores:
Figura 3.10.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 81
Relaciones identificadas:
La Tabla Turno se relaciona con la perspectiva Turnos.
La Tabla Empleados se relaciona con la perspectiva Empleados.
La Tabla Material se relaciona con la perspectiva Productos.
La Tabla Tiempo Clasificación se relaciona con la perspectiva Tiempo
Clasificación.
La Tabla Proceso se relaciona con la perspectiva Procesos.
La Tabla Paradas No Programadas se relaciona con la perspectiva Parada No
Programadas.
La Tabla No Conformidades se relaciona con la perspectiva No Conformidades.
La Tabla Estado Productos se relaciona con la perspectiva Estado Productos.
El campo fechaDeclaración de la tabla ProducciónCabecera se relaciona con la
perspectiva Tiempo.
El campo cantidad de la tabla ProducciónDetalle está relacionado al indicador
“Unidades Productividad”
El campo tiempoFloat de la tabla producción TiempoDetalle se relaciona al
indicador “Horas Trabajadas”
El campo cantidad total de la tabla producción resumen multiplicado por 100 (cien)
dividido por el valor del campo estándar fabricación de la tabla material
correspondiente al producto utilizado en dicha producción, es utilizado para generar
el indicador Productividad.
El campo CantidadTotal de la tabla ProducciónResumen menos el valor del campo
ScrapTotal de la misma tabla, dividido por el campo CantidadTotal, todo
multiplicado por 100 (cien), es utilizado para generar el indicador Cantidad.
Pera generar el indicador Rendimiento OEE se realiza el cálculo utilizando el
resultado del producto de los indicadores de Calidad y Productividad, dividido en
100 (cien).
Para determinar el nivel de granularidad, es decir, el nivel de detalle de este modelo, lo
primero que hay que hacer es encontrar el significado de los campos de las tablas
involucradas accediendo al diccionario de datos o a través de la consulta directa al
responsable del sistema. Dado que en este proyecto no se dispone de un modelo OLTP
tampoco se cuenta con un diccionario de datos. Lo que se debe hacer entonces, es
especificar todos los campos necesarios para cada perspectiva previendo que, más
adelante, el sistema será creado manteniendo la correlatividad con las definiciones
establecidas esta parte del proyecto.
A continuación se describen los campos que serán incluidos en cada una de las
perspectivas del modelo construido:
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 82
Respecto de la perspectiva Empleados:
Campos de la Perspectiva Empleados
Campo Significado / Utilidad
Legajo Contiene el legajo del empleado asignado por la empresa.
Apellidos Contiene el apellido del empleado.
Nombres Contiene el nombre del empleado.
Dni Contiene el DNI del empleado.
esOperario Valor binario para determinar si el empleado es operario de
planta.
NombreCompleto Contiene una concatenación entre el campo Apellidos y
Nombres.
Tabla 3.5.
Respecto de la perspectiva Tiempo:
En el caso de la perspectiva Tiempo definimos los campos indicados en la tabla en
función de la granularidad requerida para atender una necesidad concreta. Es decir,
poder realizar el seguimiento de cada uno de los hechos en función del año, trimestre,
mes, día, día de la semana.
Campos de la Perspectiva Tiempo
Campo Significado / Utilidad
Anio Contiene un valor numérico de año.
Trimestre Contiene un valor numérico de trimestre.
Mes Contiene un valor numérico de Mes.
Semana Contiene un valor numérico de Semana.
Dia Contiene un valor numérico de Día.
diaSemana Contiene un valor numérico que indica que día es dentro de
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 83
la semana.
trimestreLetra Contiene el nombre del Trimestre.
mesLetra Contiene el nombre del Mes.
mesLetra3 Contiene el nombre abreviado del Mes.
semanaLetra Contiene el nombre de la semana.
diaLetra Contiene el nombre del día.
Tabla 3.6.
Respecto de la perspectiva Producto:
Campos de la Perspectiva Producto
Campo Significado / Utilidad
Producto Contiene el nombre del Producto.
EstandarFabricación Contiene el valor Estándar de Fabricación.
TiempoSetup Contiene un valor numérico con el Tiempo estimado para
el Ajuste de Máquina.
Tabla 3.7.
Respecto de la perspectiva No conformidades:
Campos de la Perspectiva No Conformidades
Campo Significado / Utilidad
NoConformidad Contiene el nombre de la No Conformidad.
Tabla 3.8.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 84
Respecto de la perspectiva Paradas no Programados:
Campos de la Perspectiva Paradas No Programadas
Campo Significado / Utilidad
ParadaNoProgramada Contiene el nombre de la Parada No Programada.
Tabla 3.9.
Respecto de la perspectiva Procesos:
Campos de la Perspectiva Procesos
Campo Significado / Utilidad
Proceso Contiene el nombre del Proceso.
Tabla 3.10.
Respecto de la perspectiva Tiempo Clasificación:
Campos de la Perspectiva Tiempo Clasificación
Campo Significado / Utilidad
TiempoClasificación Contiene el nombre de clasificación usado para el tiempo de
producción.
Tabla 3.11.
Respecto de la perspectiva Turnos:
Campos de la Perspectiva Turnos
Campo Significado / Utilidad
Turno Contiene el nombre del Turno.
Tabla 3.12.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 85
Con el fin de graficar los resultados obtenidos en los pasos anteriores, se completa el
modelo conceptual ampliado. El mismo contiene todos los campos elegidos para cada
perspectiva y, debajo de cada indicador, su respectiva fórmula de cálculo.
Perspectivas de la Relación Indicadores:
Figura 3.11.
Perspectivas de la Relación Producción:
Figura 3.12.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 86
Perspectivas de la Relación Productividad:
Figura 3.13.
Modelo lógico del Data Warehouse
El modelo lógico seleccionado para confeccionar el Data Warehouse es el esquema de
tipo estrella. Se elige este modelo por las ventajas que el mismo brinda, es decir, su alto
rendimiento y su mayor velocidad de respuesta a las peticiones de los usuarios. Estos
beneficios, se obtienen con la reducción significativa de las uniones establecidas entre
tablas al momento en el que se ejecutan los procesos de consultas, en perjuicio de tener
que ocupar un poco más de espacio en disco para almacenar la información dentro de la
base de datos.
La idea es generar una base de datos sencilla donde se almacene, de manera anticipada,
todos los hechos previamente calculados para permitir el análisis sobre los datos con un
tiempo de respuesta muy bajo y atender, al mismo tiempo, gran número de consultas de
manera eficiente cuando éstas sean requeridas.
Para diseñar las tablas de dimensiones correspondientes al modelo estrella, se van a
aplicar tres pasos sugeridos por la metodología Hefesto. Estos son:
1. Elegir un nombre que identifique a la tabla dimensión.
2. Agregar un campo que represente su clave principal.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 87
3. Redefinir el nombre de aquellos campos que no fuesen suficientemente claros para
entender el modelo.
Lista de Tablas Dimensionales
Perspectiva Empleado:
Figura 3.14.
Perspectiva Producto:
Figura 3.15.
Perspectiva No Conformidades:
Figura 3.16.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 88
Perspectiva Paradas No Programadas:
Figura 3.17.
Perspectiva Proceso:
Figura 3.18.
Perspectiva Producto:
Figura 3.19.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 89
Perspectiva Tiempo:
Figura 3.20.
Perspectiva Tiempo Clasificación:
Figura 3.21.
Perspectiva Turno:
Figura 3.22.
A continuación se definen las tablas de Hechos. Estas van a registrar toda la actividad
que se desarrolle en la organización respectiva al dominio del problema que se desea
analizar.
La confección de las tablas de Hecho se hizo siguiendo los siguientes pasos:
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 90
1. Asignar un nombre a la tabla que represente a la información analizada, área de
investigación, negocio enfocado u otro.
2. Definir una clave primaria compuesta por la combinación de las claves primarias de
cada tabla de dimensión relacionada.
3. Crear tantos campos de hechos como indicadores hayan sido definidos en el modelo
conceptual y nombrarlos, preferentemente, de la misma forma que se nombró a los
indicadores. Si esto no es posible, podrán ser identificados de una forma diferente
siempre y cuando se entienda claramente su significado.
Lista de Tablas de Hechos:
1. La tabla de hechos tendrá el nombre “dw_indicadores”.
a. Su clave principal será la combinación de las claves principales de las tablas
de dimensiones antes definidas: “idProduccion”, “idTurno”, “idProceso”,
“idOperario”, “fechaDeclaración”.
b. Se crearán cinco hechos, que serán renombrados como: “OEE”, “Cantidad
Setup”, “Tiempo Setup”, “Productividad”, “Calidad”.
c. Se agregan al modelo los campos idProduccionCabecera y fechaProcesado,
para tener mayor trazabilidad acerca de los registros insertados y poder
anticipar cualquier requerimiento futuro.
Figura 3.23.
2. La tabla de hechos tendrá el nombre “dw_producción”.
a. Su clave principal será la combinación de las claves principales de las tablas
de dimensiones antes definidas: “idProducción”, “idTurno”, “idProceso”,
“idOperario”, “fechaDeclaración”, “idEstadoProducto”,
“idNoConformidad”.
b. Se creará un hecho que se corresponde con el indicador creado y será
renombrado como: “cantidad”.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 91
c. Se agregan al modelo los campos idProduccionCabecera y fechaProcesado,
con el objetivo de tener mayor conocimiento acerca de los registros
insertados y poder anticipar cualquier requerimiento futuro.
Figura 3.24.
3. La tabla de hechos tendrá el nombre “dw_productividad”.
a. Su clave principal será la combinación de las claves principales de las tablas
de dimensiones antes definidas: “idProducción”, “idTurno”, “idProceso”,
“idOperario”, “fechaDeclaración”, “idEstadoProducto”,
“idNoConformidad”.
b. Se creará un hecho, que se corresponde con los el indicador creado y será
renombrado como: “Horas”.
c. Se agregan al modelo los campos idProduccionCabecera y fechaProcesado,
con el objetivo de tener mayor conocimiento acerca de los registros
insertados y poder anticipar cualquier requerimiento futuro.
Figura 3.25.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 92
Se presenta el resultado completo del modelo del Data Warehouse en base al esquema
estrella construido.
Uniones correspondientes a la tabla dw_indicadores:
Figura 3.26.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 93
Uniones correspondientes a la tabla dw_producción:
Figura 3.26.
Uniones correspondientes a la tabla dw_productividad:
Figura 3.27.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 94
Procesos ETL
A continuación se presenta el diseño los procesos ETL, también conocidos como los
procesos de Obtención, Transformación y Carga, que serán responsables de actualizar el
modelo de datos del Data Warehouse. Los mismos, serán los encargados de calcular,
controlar y validar los datos para que sean cargados sin errores en la base de datos del
Data Warehouse.
Proceso Principal ETL
Figura 3.27.
Para entender mejor este diagrama, es necesario describir el funcionamiento del proceso
que lleva a cabo la carga del Data Warehouse. El proceso ETL comienza con el paso
“Start” en la parte superior del diagrama. A partir de allí, se continúa con los pasos de
control de inserción de registros para agregar solo los últimos cambios al modelo. De
forma consecutiva se procede con carga de cada una de las dimensiones, y finalmente se
procede con la carga de cada una de las tablas de hechos teniendo en cuenta la
predominancia para su creación, en función de la dependencia que existe entre ellas. Es
decir, se comenzará por las tablas con menor grado de dependencia para evitar
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 95
problemas de validaciones entre las claves primarias. También es posible realizar tareas
administrativas y otras de mantenimiento dentro del mismo proceso ETL.
Sistema de Notación del Diagrama
La notación establecida para identificar inequívocamente cada uno de los pasos dentro
del diagrama es la siguiente:
Se define un identificador de tipo alfa numérico conformado por dos caracteres para
cada elemento que compone el diagrama. El primer carácter identifica al tipo de acción
ejecutada. (M: Mecanismo de Control; D: Dimensión; H: Hecho; A: Proceso
Adicional;), mientras que el segundo carácter, establece un número secuencial para cada
tipo de elemento.
Sistema de Notación del Diagrama de Procesos ETL
Letra Descripción
M Mecanismo de Control
D Dimensión
H Hecho
A Proceso Adicional
Tabla 3.13.
Control en las Inserciones de los Registros
El proceso que realiza la actualización del Data Warehouse puede ser realizado de dos
maneras. La primera consiste en regenerar de todos los registros del almacén cada vez
que se corre el proceso ETL. Es decir, en cada ejecución, se borran y se vuelven a
agregar todos los registros en cada tabla. En cambio, en la segunda alternativa, solo se
actualizan en el modelo los registros que fueron agregados a la base de datos después de
la última corrida del proceso. Estas políticas pueden ser aplicadas indistintamente para
refrescar todas las tablas del modelo, aunque también, pueden ser combinadas
dependiendo de la necesidad que se tenga en cada caso.
En este proyecto se optó por utilizar la primera de las estrategias para la de regeneración
completa de los registros en las tablas dimensionales. Mientras que, para el caso de las
tablas de hechos, se decidió aplicar el segundo mecanismo que permitirá cargar sólo los
datos ingresados después de la última ejecución de los procesos ETL. La razón por la
cual se tomó esta decisión, es que las tablas de hecho poseen una gran cantidad de
registros, lo que hace que sea poco práctica la carga completa de las mismas si se quiere
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 96
minimizar el tiempo de acceso a la información más reciente. En otras palabras, recrear
todos los registros de las tablas de hechos tomaría varios minutos y es posible, incluso,
que el almacén quede en un estado inconsistente para las consultas de los usuarios. En
cambio, si se aplica una política para la actualización parcial de la información se
emplearán apenas unos segundos para cargar aquellos campos que fueron agregados
desde la última ejecución del proceso.
Para implementar este mecanismo es preciso agregar una restricción adicional en todas
las tablas de hechos con la que será posible controlar, en función de la hora de inserción,
la lista de registros que serán agregados. Este mecanismo consta de 4 pasos que se
explicarán, con mayor detalle, a continuación:
Cuando el proceso comienza, se establece una fecha de inicio (DW_FECHA_INICIO) y
otra de fin (DW_FECHA_FIN) en una tabla temporal. Estos registros van a servir para
controlar cuáles serán las cabeceras que deben ser cargadas. De esta manera los
registros que cumplen con esta condición son procesados e insertados en las tablas de
hechos.
Para que el mecanismo funcione correctamente es necesario establecer, antes de cada
ejecución, el valor del campo que contiene la fecha de fin con la fecha actual del
sistema, utilizando para ello la función “current_date” de MySql. Esta operación se
realiza con el paso ETL denominado “tabla_configuración_completar_fecha_fin” (paso
1). Al finalizar la ejecución de todo el proceso ETL se corre el paso
“tabla_configuración_completar_fecha_inicio” (paso 2) para establecer el valor de fecha
de inicio con el mismo valor que la fecha de fin. De esta forma, es posible asegurar que
solamente se carguen al almacén los registros agregados después de la última corrida
del proceso de actualización del Data Warehouse.
Finalmente, es importante realizar una operación adicional para asegurar la integridad
de la información almacenada en la base de datos. La misma, consiste en borrar todos
los registros que pudieron haber sido procesados ante una eventual ejecución inconclusa
del proceso ETL. Esta situación, puede darse por ejemplo, ante un corte inesperado de
energía. Un inconveniente como este puede provocar, con alta probabilidad, que en una
segunda ejecución se dupliquen registros en las tablas involucradas. Lo que ciertamente
es inadmisible.
Para evitar que se dupliquen registros en el DW se realizan dos operaciones. La primera,
al inicio del Proceso General, consiste en borrar los registros con el valor de campo
fechaProcesamiento mayor al valor del campo UltimoProcesamiento de la tabla
Configuración (paso 3). La segunda operación, al final de la corrida de todos los
procesos, se actualiza el valor UltimoProcesamiento con la fecha actual del sistema
(paso 4), de la misma manera que se hizo antes con el valor del campo
DW_FECHA_FIN.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 97
Proceso tabla_configuración_completar_fecha_fin.
(M1)
Proceso Transformación_BorrarRegistrosMalProcesados.
(M2)
Lista de Tablas de Dimensiones
Dimensión Estado Productos.
(D1)
Se seleccionan todos los registros de la tabla estado productos y se cargan en la tabla
dimensional dw_estadoproductoslookup.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 98
Dimensión No Conformidades.
(D2)
Se seleccionan todos los registros de la tabla no conformidades y se cargan en la tabla
dimensional dw_noconformidadeslookup.
Dimensión Paradas No Programadas.
(D3)
Se seleccionan todos los registros de la tabla paradas no programadas y se cargan en la
tabla dimensional dw_paradasnoprogramadaslookup.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 99
Dimensión Proceso.
(D4)
Se seleccionan todos los registros de la tabla proceso y se cargan en la tabla dimensional
dw_procesoslookup.
Dimensión Empleados.
(D5)
Se seleccionan todos los empleados de la tabla empleados que cumplen con la condición
de no ser usuarios de sistema además haber realizado al menos una declaración, y se
cargan en la tabla dw_empleadoslookup.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 100
Dimensión Turnos.
(D6)
Se seleccionan todos los registros de la tabla turnos y se cargan en la tabla dimensional
dw_turnoslookup.
Dimensión Tiempo.
(D7)
La dimensión tiempo se obtiene con la ejecución de una consulta descripta más
adelante, la cual, permite generar todos los registros necesarios para formar esta
dimensión.
Primero se obtiene el valor mínimo y máximo de fechas que se poseen entre todas las
declaraciones exigentes en la tabla producción cabecera. Luego se llama al
procedimiento “mm_proc_tiempolookup” pasándole por parámetro dichos valores. El
procedimiento genera todos los registros de fechas entre la fecha de inicio y fin que
fueron indicados.
Selección de fecha mínima y máxima de la lista de cabeceras de producción
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 101
Procedimiento mm_proc_tiempolookup
Dimensión Tiempo Clasificación.
(D8)
Se seleccionan todos los registros de la tabla TiempoClasificaron y se cargan en la tabla
dimensional dw_tiempoclasificacionlookup.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 102
Dimensión Producto.
(D9)
Se seleccionan todos los registros de la tabla material y se cargan en la tabla
dimensional dw_productoslookup.
Lista de Tablas de Hechos
Tabla de Hechos dw_indicadores:
(H1)
Se colectan todas las cabeceras que no fueron anuladas de la tabla ProducciónCabecera
unida a las tablas producción resumen, productos y empleados, para obtener toda la
información relevante en el Hecho “Indicadores”. A esta consulta se agrega una
restricción adicional que será explicada más adelante.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 103
Restricción adicional.
Tabla de Hechos dw_productividad:
(H2)
Se seleccionan los registros de la tabla ProducciónCabecera para todas las cabeceras que
no hayan sido anuladas. Todos los registros que cumplan con esta restricción son unidos
a la consulta de las siguientes tablas para obtener toda la información relevante en el
Hecho “Productividad”: ProducciónResumen, TiempoDetalle, TiempoClasificacion,
Producto, y Empleado. A esta consulta se agrega una restricción adicional que será
explicada más adelante.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 104
Restricción adicional:
Tabla de Hechos dw_produccion:
(H3)
Se colectan los datos de la tabla ProducciónCabecera para todas las cabeceras que no
fueron anuladas, unida a la consulta a las siguientes tablas para completar toda la
información relevante en el Hecho “Producción”: ProducciónResumen,
ProducciónDetalle, Empleado. A esta consulta se agrega una restricción adicional que
será explicada más adelante.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 105
Restricción adicional.
Proceso tabla_configuración_Completar_Fecha_Inicio.
(M3)
Proceso Transformación_CompletarFechaÚltimoProcesamiento.
(M4)
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 106
Tareas Adicionales
Al finalizar todas las tareas ETL esenciales, se procede a realizar algunos procesos de
mantenimiento sobre el Data Warehouse, listados a continuación:
Borrado de Hechos Anulados.
(A1)
Cleasing:
(A2)
(Fragmento del Codigo)
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 107
Borrado de Archivos Temporales
(A3)
Actualización de Cache.
(A4)
Restricción Adicional en Tablas de Hecho:
La restricción que se agrega a todas las consultas realizadas en las tablas de Hecho,
asegura que sean procesados solo los registros que fueron cargados de manera posterior
al último procesamiento del proceso ETL.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 108
En la consulta anterior, si el campo DE_FECHA_INICIO nunca fue establecido se
tomará como referencia una fecha muy menor para completar la restricción. Además, se
hace una comprobación adicional para establecer que todos los registros sean anteriores
a la fecha establecida por el campo DW_FECHA_FIN con el objetivo de impedir que se
procesen registros insertados durante la ejecución del proceso ETL.
De esta forma queda completamente definido el mecanismo que sirve para actualizar el
Data Warehouse con la información más reciente agregada al sistema. Esto permite, sin
dudas, minimizar la carga del servidor, minimizar el tiempo de respuesta en las
consultas y mantener al sistema lo más actualizado posible en un corto tiempo.
Creación de cubos multidimensionales
A continuación se crearán los cubos multidimensionales tomando como base el modelo
lógico diseñado en los pasos anteriores con la ayuda de la metodología Hefesto.
Aunque, para ello, no sea estrictamente necesario emplear de manera rigurosa el
procedimiento descripto en el manual Hefesto. No obstante, se decidió continuar con la
construcción de los cubos de la misma manera que allí se explica, por entenderse que es
conceptualmente válido y útil en el proceso de desarrollo.
Cubo Indicadores:
Creación de Indicadores
Figura 3.28.
1. Nombre del Indicador: “Productividad”.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 109
De la tabla de hechos “ProducciónResumen” se toma el hecho “CantidadTotal”, que
representa la producción total de una declaración de producción junto con el hecho
“TiempoTrabajado”, y de la tabla “Material” se obtiene el campo
“EstandarFabricación” que contiene la cantidad de piezas que debería fabricarse por
hora de cada producto. Todos estos campos son necesarios para crear el indicador
“Productividad” aplicando la siguiente fórmula:
ajadoTiempoTrab bricacion EstandarFa
100talCantidadToAVG
2. Nombre del Indicador: “Calidad”.
De la tabla de hechos “ProducciónResumen”, se toma el hecho “CantidadTotal” y el
hecho “ScrapTotal” para crear el indicador “Calidad” aplicando la siguiente Fórmula:
100talCantidadTo
ScrapTotaltalCantidadToAVG
3. Nombre del Indicador: “OEE”.
De la tabla de hechos “ProducciónResumen”, se toma el hecho “CantidadTotal” y el
hecho “ScrapTotal” para crear el indicador “Calidad” aplicando la siguiente fórmula:
100CalidaddadProductiviAVG
4. Nombre del Indicador: “Cantidad Setup”.
Se interpreta que para cada registro de la tabla “ProduccionResumen” existe un
producto que ha sido preparado mediante una operación de Setup, por lo que se aplica la
siguiente fórmula para generar el indicador “Cantidad Setup”:
(*)Count
5. Nombre del Indicador: “Tiempo Setup”.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 110
De la tabla “Material”, se toma el valor del campo “TiempoSetup” para crear el
indicador “Tiempo Setup” aplicando la siguiente fórmula:
60pTiempoSetu
Representación del Cubo “Indicadores”:
Figura 3.29.
Creación de Atributos
1. De la tabla de dimensión “dw_tiemposlookup”, se tomará el campo “Anio”,
“trimestreLetra”, “mesLetra”, “semanaLetra”, “diaLetra”, “diaSemanaLetra”
para la creación de los atributos de la dimensión “Tiempo”.
2. De la tabla de dimensión “dw_procesoslookup”, se tomará el campo “Proceso”
para la creación de los atributos de la dimensión “Procesos”.
3. De la tabla de dimensión “dw_productoslookup”, se tomará el campo
“Producto” para la creación de los atributos de la dimensión “Productos”.
4. De la tabla de dimensión “dw_turnoslookup”, se tomará el campo “Turno” para
la creación de los atributos de la dimensión “Turnos”.
5. De la tabla de dimensión “dw_empleadoslookup”, se tomará el campo “Legajo”,
“Apellidos”, “Nombres”, “Dni” para la creación de los atributos de la dimensión
“Operarios”.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 111
Representación del Cubo Indicadores:
Figura 3.30.
Cubo Producción:
Creación de Indicadores
Figura 3.31.
1. Nombre del Indicador: “Cantidad”.
De la tabla de hechos “ProducciónDetalle”, se toma el hecho “Cantidad” para crear el
indicador “Cantidad” aplicando la siguiente fórmula:
CantidadSUM
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 112
Representación del Cubo “Producción”:
Figura 3.32.
Creación de Atributos
1. De la tabla de dimensión “dw_tiemposlookup”, se tomará el campo “Anio”,
“trimestreLetra”, “mesLetra”, “semanaLetra”, “diaLetra”, “diaSemanaLetra”
para la creación de los atributos de la dimensión “Tiempo”.
2. De la tabla de dimensión “dw_procesoslookup”, se tomará el campo “Proceso”
para la creación de los atributos de la dimensión “Procesos”.
3. De la tabla de dimensión “dw_productoslookup”, se tomará el campo
“Producto” para la creación de los atributos de la dimensión “Productos”.
4. De la tabla de dimensión “dw_turnoslookup”, se tomará el campo “Turno” para
la creación de los atributos de la dimensión “Turnos”.
5. De la tabla de dimensión “dw_empleadoslookup”, se tomará el campo “Legajo”,
“Apellidos”, “Nombres”, “Dni” para la creación de los atributos de la dimensión
“Operarios”.
6. De la tabla de dimensión “dw_estadoproductoslookup”, se tomará el campo
“EstadoProducto” para la creación de los atributos de la dimensión “Estado
Producto”.
7. De la tabla de dimensión “dw_noconformidadeslookup”, se tomará el campo
“NoConformidad” para la creación de los atributos de la dimensión “No
Conformidades”.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 113
Representación del Cubo Producción:
Figura 3.33.
Cubo Productividad:
Creación de Indicadores
1. Nombre del Indicador: “Horas”.
De la tabla de hechos “ProducciónTiempoDetalle”, se toma el hecho “TiempoFloat”
para crear el indicador “Horas” aplicando la siguiente fórmula:
tTiempoFloaSUM
Representación del Cubo “Productividad”:
Figura 3.34.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 114
Creación de Atributos
1. De la tabla de dimensión “dw_tiemposlookup”, se tomará el campo “Anio”,
“trimestreLetra”, “mesLetra”, “semanaLetra”, “diaLetra”, “diaSemanaLetra”
para la creación de los atributos de la dimensión “Tiempo”.
2. De la tabla de dimensión “dw_procesoslookup”, se tomará el campo “Proceso”
para la creación de los atributos de la dimensión “Procesos”.
3. De la tabla de dimensión “dw_productoslookup”, se tomará el campo
“Producto” para la creación de los atributos de la dimensión “Productos”.
4. De la tabla de dimensión “dw_turnoslookup”, se tomará el campo “Turno” para
la creación de los atributos de la dimensión “Turnos”.
5. De la tabla de dimensión “dw_empleadoslookup”, se tomará el campo “Legajo”,
“Apellidos”, “Nombres”, “Dni” para la creación de los atributos de la dimensión
“Operarios”.
6. De la tabla de dimensión “dw_tiempoclasificacionlookup”, se tomará el campo
“TiempoClasificación” para la creación de los atributos de la dimensión
“Tiempo_Clasificaciones”.
7. De la tabla de dimensión “dw_paradasnoprogramadaslookup”, se tomará el
campo “ParadaNoProgramada” para la creación de los atributos de la dimensión
“Parada_No_Programadas”.
Representación del Cubo Productividad:
Figura 3.35.
Creación de Jerarquías
Por último se procede con la creación de las jerarquías a los distintos cubos
multidimensionales:
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 115
Dimensión Tiempo:
1. Se definió la jerarquía “Por Anio” para el atributo “Por Anio”, que se aplicará
sobre los atributos recientemente creados, “Anio”, “Trimestre”, “MesLargo”,
“Semana”, “Día”, “Día de la Semana”:
Gráficamente:
Figura 3.36.
Dimensión Operarios:
1. Se definió la jerarquía “Empleados Por Nombre” para el atributo “Operarios”,
que se aplicará sobre los atributos disponibles recientemente creados:
“Nombre”:
2. Se definió la jerarquía “Empleados Por Nombre” para el atributo “Operarios”,
que se aplicará sobre los atributos disponibles recientemente creados: “Legajo”:
Gráficamente:
Figura 3.37.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 116
CONCRECIÓN DEL MODELO
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 117
En esta etapa del proyecto se lleva a cabo la concreción del sistema. Aquí, se describe
cómo se realizó la implementación de la plataforma, cuáles fueron las pruebas
realizadas y qué resultados se obtuvieron al finalizar la instalación. Más adelante, se
exponene las experiencias alcanzadas por los usuarios con el empleo de las herramientas
instaladas y, por último, se detallan los métodos de puesta en marcha desarrollados en
este proyecto.
Implementación:
Lenguajes de Programación
Los reportes publicados con la plataforma Pentaho fueron generados con el empleo de
lenguajes de programación y marcación web. Los artefactos que se construyen con el
empleo de estos lenguajes, trabajan de manera colaborativa para generar informes
dinámicos. El resultado de utilizar de estas técnicas de desarrollo es poder representar
gran volumen de información de manera sencilla para facilitar su interpretación. Estos
informes permiten que los usuarios naveguen entre los resultados, cambien las
perspectivas de análisis de manera dinámica y puedan obtener respuestas a demanda
para cada uno de sus interrogantes, permitiéndoles incluso, aumentar o reducir el nivel
de detalle de la información consultada.
A continuación de describen los lenguajes de programación y marcación utilizados para
generar el Panel de Gestión desarrollado en este proyecto:
HTML
HTML, acrónimo de HyperText Markup Language (Lenguaje de Marcado de
Hipertexto), es el lenguaje de marcado predominante para la elaboración de páginas
web. Se emplea para describir la estructura y el contenido de una página web mediante
texto. HTML se escribe en forma de "etiquetas", identificadas por corchetes angulares
(<,>). El mismo puede describir, hasta cierto punto, la apariencia de un documento. Por
otra parte, permite la inclusión de diversos script (por ejemplo Javascript), para
modificar y enriquecer el comportamiento de los navegadores web del cliente.
JavaScript
JavaScript es un lenguaje de scripting basado en objetos y utilizado para acceder, a su
vez, a otros objetos de aplicaciones externas. Principalmente, se utiliza en un navegador
web para permitir el desarrollo de interfaces de usuario mejoradas y páginas web
dinámicas.
Todos los navegadores modernos interpretan el código JavaScript que se encuentra
embebido dentro de las páginas web. JavaScript corre dentro del agente de usuario, y se
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 118
ejecuta al mismo tiempo en el que las sentencias se van descargando junto con el código
HTML.
Xaction o Secuencias de Acción
Todas las actividades realizadas en la Plataforma Pentaho BI se definen por Secuencias
de Accion definidas dentro de documentos XML. Las secuencias de acción describen
las diferentes actividades que se pueden realizar en un momento dado, como son las
consultas de base de datos, la generación de informes, los envió de e-mail. Además,
éstas definen el orden en que las acciones encadenadas ocurren. Toda la información
generada dentro de una secuencia de acción puede transmitirse a otras acciones dentro
de una misma sesión de usuario.
Internamente las secuencias de acción definen cuales son los elementos deben estar
disponibles para la ejecución (las entradas), los procesos que se llevarán a cabo (el
workflow) y los resultados que estarán disponibles cuando la tarea haya finalizado.
Para generar todos estos artefactos es posible utilizar la herramienta llamada “Action
Secuence Editor” que viene disponible como un plugin de Eclipse. Esta herramienta
permite los desarrolladores crear y editar secuencias de acción dentro de las soluciones
propias de Pentaho.
AmCharts
AmCharts es un script escrito en lenguaje PHP y Flash que sirve para generar gráficos
animados y cuadros estadísticos muy atractivos y elegantes. Estos gráficos se crean a
partir de información estadística entregada en un formato adecuado pasada como
parámetro. Para ello, es necesario abastecer la fuente de datos que se desea representar
en un archivo XML o un archivo CSV correctamente formateado.
AmCharts permite crear visualizaciones tanto en 2 dimensiones o en 3 dimensiones.
Además, brinda la posibilidad de modificar diversos parámetros para personalizar las
gráficas según cada situación, como por ejemplo, el radio y el ángulo de las gráficas; la
posición de los objetos (etiquetas, leyendas, títulos, fuente); los colores de todos los
elementos, el fondo, etc.
A continuación se muestran algunos gráficos de ejemplos construidos con la
herramienta AmChars.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 119
o Gráfico de tipo Torta
Figura 4.1.
o Gráfico de Serie en función del Tiempo
Figura 4.2.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 120
o Gráfico de Barras
Figura 4.3.
JQuery.
JQuery es una biblioteca de JavaScript que permite interactuar más fácilmente con los
documentos HTML, manipular el árbol DOM, manejar eventos, desarrollar animaciones
y agregar interacción con la tecnología AJAX a páginas web. El mismo es un software
de código abierto por lo que es libre su utilización para proyectos privados. Esta
herramienta se utiliza para construir las pantallas del Panel de Gestión de la aplicación
construida en esta implementación.
A continuación de muestran algunos componentes de ejemplo que vienen incluidas en
las librerías de Jquery.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 121
o Selector de Fecha
Figura 4.4.
o Divisor de Paneles tipo Tabulado
Figura 4.5.
o Divisor de Paneles tipo Acordeón
Figura 4.6.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 122
Arquitectura y componentes
La plataforma Pentaho tiene un esquema de tipo Cliente-Servidor. Esta plataforma,
consta de un servicio web que se ejecuta en un equipo servidor desde donde se brinda
un punto de acceso para todas las consultas de negocio.
Adoptando esta arquitectura, se diseñó para Magneti Marelli un servidor preparado para
soportar todos los servicios requeridos que incluye: el servicio Web propio de Pentaho,
un servidor de Base de Datos, el motor Mondrian contenido en la plataforma Pentaho, y
el conjunto de procesos ETL ejecutados con una de las herramientas provistas por el
mismo fabricante, conocida como Pentaho Data Integration.
A continuación se muestra el diagrama de componentes:
Arquitectura Física
Figura 4.7.
Esquema de directorios y artefactos
La aplicación desarrollada en este trabajo de tesis fue implementada íntegramente sobre
una plataforma Windows, por lo tanto todas las herramientas descriptas y los pasos
indicados en esta sección, estarán sujetos al empleo de dicha arquitectura.
A continuación se describen cada uno de los pasos necesarios para dejar completamente
operativo el servidor requerido para esta implementación:
Instalación de Java Runtime Environment
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 123
La plataforma Pentaho es una aplicación que requiere para su ejecución tener instalado
el complemento de Java JRE (Java Runtime Environment) en la misma terminal.
En los pasos siguientes se describe como realizar la instalación del JRE específicamente
en un sistema operativo compatible con Windows.
1. Ingresar a la dirección web indicada y descargar el instalador del JRE (Java
Runtime Environment):
http://javadl.sun.com/webapps/download/AutoDL?BundleId=41723.
Cuando se haya descargado el ejecutable, se debe hacer doble clic en él para iniciar la
instalación.
Figura 4.8.
Lo primero que debemos seleccionar es el tipo de instalación. Se sugiere escoger la
instalación típica, por ser la más sencilla y rápida. En este paso, es necesario leer y
aceptar la licencia del software que se encuentra en la sección “Contrato de licencia”
dentro de la pantalla de instalación. Se debe aceptar la licencia para comenzar la
instalación, pulsando el botón Aceptar.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 124
Figura 4.9.
En este momento se produce la instalación del software.
Figura 4.10.
Luego pulse en el botón Finalizar para terminar el proceso de instalación.
2. El siguiente paso es establecer la variable global “JAVA_HOME” del sistema
operativo para que Pentaho pueda detectar cuál es el JRE disponible. Para esto,
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 125
es necesario abrir el panel de Propiedades del Sistema Operativo de Windows
por medio del comando “sysdm.cpl” ejecutado en una consola de MsDOS.
Figura 4.11.
3. Dentro de las Opciones Avanzadas del Panel de Propiedades del Sistema, hacer
clic en la opción Variables de Entorno.
Figura 4.12.
4. En paso siguiente es necesario presionar el botón “Nueva” de la sección inferior
que hace referencia a las “Variables del Sistema”.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 126
Figura 4.13.
5. El último paso es establecer el valor de la variable JAVA_HOME con la ruta a
directorio de instalación del JRE que se estableció durante la instalación en los
pasos anteriores. Es necesario Aceptar todo y finalmente reiniciar el sistema.
Figura 4.14.
Instalación de MySQL
Para instalar adecuadamente MySql en el Servidor debemos seguir los siguientes pasos:
1. Antes de comenzar es necesario dirigirse a la www.mysql.com y descargar el
binario "Windows (x86) ZIP/Setup.EXE (versión 5.0.27)" al escritorio de
trabajo (directorio a elección). Para poder hacer esto, usted necesitará estar
registrado con una cuenta creada en la página de MySQL.
2. Una vez que haya descargado el paquete "mysql-5.0.27-win32.zip", se podrá
extraer el mismo usando WinZip o alguna aplicación de empaquetado similar.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 127
3. Cuando hayan extraído los archivos, haga doble clic sobre el ejecutable
“Setup.exe”. Al hacer esto, se iniciará automáticamente el asistente para la
instalación de MySQL.
Figura 4.15.
Presione "Next".
4. Elija el tipo de instalación "Typical" y presione "Next".
5. Presione el botón "Install" para comenzar la instalación. (Sea paciente, esta
operación puede demorar unos minutos).
6. La pantalla que aparece a continuación le preguntará a usted si desea
subscribirse en la página oficial de MySql. Aquí puede seleccionar "Skip Sign-
Up" para saltear este paso.
7. A continuación, aparecerá una pantalla dando aviso de que el proceso de
instalación ha concluido. Asegúrese que la opción "Configure the MySQL
Server now" este seleccionada y luego presione el botón "Finish".
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 128
Figura 4.16.
8. Si todo ha ido bien, el asistente para la configuración de la instancia de MySql
debería aparecer. Haga clic en "Next".
9. Seleccione "Detailed Configuration" y presione "Next".
10. Seleccione "Developer Machine" y presione "Next".
11. Seleccione "Multifunctional Database" y presione "Next".
12. Presione "Next".
13. Seleccione "Decision Support (DSS)/OLAP" y presione "Next".
14. Seleccione "Multifunctional Database" y presione "Next".
15. Asegúrese que la opción "Enable TCP/IP Networking" este seleccionada, que el
Puerto este configurado con el valor "3306", y que la opción "Enable Strict
Mode" también este seleccionada. Presione "Next".
16. Elija "Standard Character Set" y presione "Next".
17. Seleccione "Install As Windows Service", configure el nombre del Servicio con
"MySQL", y elija la opción "Launch the MySQL Server automatically".
Compruebe que la opción "Include Bin Directory in Windows Path" NO este
seleccionada. Presione "Next".
18. En la siguiente pantalla, seleccione la opción que dice "Modify Security
Settings". Ingrese una contraseña para la cuenta de usuario por defecto "root", y
confirme la clave en la entrada de texto que está debajo. Deje sin seleccionar la
opción "Enable root access from remote machines" or "Create An Anonymous
Account". Presione "Next".
19. Haga clic en "Execute". (Esta operación puede tardar algunos minutos. Sea
paciente).
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 129
20. Presione "Finish".
21. Para verificar si MySQL fue instalado correctamente, vaya a: Inicio > Todos los
Programas> MySQL > MySQL Server 5.0 > MySQL Command Line Client. Al
hacer esto, el cliente de línea de comando de MySQL aparecerá:
Figura 4.17.
22. Al iniciarse la ventana quedará esperando que ingrese una contraseña. Ingrese la
contraseña que especificó en el paso 18. (Si usted ingreso una contraseña
incorrecta, MySQL automáticamente cerrará la línea de comando)
23. A continuación, escriba los comandos que a se muestran abajo resaltados:
Figura 4.18.
Si se muestra la información como esta en la imagen anterior, entonces MySQL ha
sido instalado correctamente.
Instalación de Pentaho
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 130
1. Lo primero es ingresar a la página Web donde están publicados los archivos
necesarios para la instalación del servidor Pentaho. Por lo que debemos ingresar
a la página http://sourceforge.net/projects/pentaho/files/ y descargar el paquete
biserver-ce-3.6.0-stable.zip.
2. A continuación se debe especificar el directorio donde vamos a instalar el
servidor Pentaho, y extraemos los archivos en el directorio seleccionado. Por
ejemplo: “C:\Archivos de programa\Pentaho\biserver-ce”.
3. De aquí en más, se hará referencia al directorio de instalación como
[PENTAHO_HOME]. Así, por ejemplo, cuando se haga referencia al directorio
[PENTAHO_HOME]/pentaho-solutions, se estará hablando del directorio
“C:\Archivos de programa\Pentaho\biserver-ce\pentaho-solutions” para esta
implementación en particular.
Figura 4.19.
Figura 4.20.
Configuración de Pentaho para trabajar con MySQL
Lo siguiente es configurar Pentaho para trabajar con MySQL. Es decir que tendremos
que migrar todas las bases de datos propias de Pentaho. (Las del repositorio, la base de
datos de configuración de Pentaho y la base de datos de ejemplos que vienen dentro del
paquete Pentaho CE).
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 131
1. Lo primero es ubicar los archivos que contienen los scripts necesarios para
realizar la migración, que se encuentran en el directorio
“[PENTAHO_HOME]\biserver-ce\data\mysql5” del servidor Pentaho:
create_repository_mysql.sql
create_quartz_mysql.sql
create_sample_datasource_mysql.sql
migration.sql
sampledatamysql5.sql
2. El siguiente paso es ingresar, por línea de comando, al cliente de MySQL como
se muestra a continuación:
Figura 4.21.
3. Ahora es necesario ejecutar los comandos:
mysql> source “[PENTAHO_HOME]\biserver-
ce\data\mysql5\create_repository_mysql.sql”;
mysql> source “[PENTAHO_HOME]\biserver-
ce\data\mysql5\create_quartz_mysql.sql”;
mysql> source “[PENTAHO_HOME]\biserver-
ce\data\mysql5\create_sample_datasource_mysql.sql”;
mysql> source “[PENTAHO_HOME]\biserver-ce\data\mysql5\migration.sql”;
mysql> source “[PENTAHO_HOME]\biserver-ce\data\mysql5\sampledatamysql5.sql”;
4. Verificamos con el siguiente comando si las bases de datos se importaron
correctamente:
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 132
mysql> show databases;
+--------------------+
| Database |
+--------------------+
| information_schema |
| hibernate |
| mysql |
| quartz |
| sampledata |
+--------------------+
5 rows in set (0.01 sec)
Luego de correr estos comandos se deberían poder ver las bases de datos hibernate,
quartz y sampledata que fueron creadas.
5. Localizamos y editamos el archivo de configuración applicationContext-spring-
security-hibernate.properties. Aquí es necesario establecer los parámetros de
conexión que necesitamos para ingresar al servidor MySQL (dirección, usuario
y contraseña), como se muestra a continuación:
Figura 4.22.
Figura 4.23.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 133
Figura 4.24.
6. Al igual que en el paso 5, hacemos lo mismo con el archivo de configuración
applicationContext-spring-security-jdbc.xml:
Figura 4.25.
Figura 4.26.
Figura 4.27.
7. A continuación buscamos el archivo de configuración hibernate-settings.xml y
lo editamos como se muestra más abajo. En este paso, es necesario indicarle al
servidor Pentaho donde se encuentra alojado el archivo de conexión con la base
de datos MySQL:
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 134
Figura 4.28.
Figura 4.29.
Figura 4.30.
8. Procedemos como en el paso 5, modificando la configuración del archivo
mysql5.hibernate.cfg.xml:
Figura 4.31.
Figura 4.32.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 135
Figura 4.33.
Nota: Aquí es necesario establecer ciertos parámetros adicionales para que la conexión
con la base de datos se realice utilizando el Driver C3P0. Esto permitirá a Pentaho
conectarse a la base de datos a través de un Pool de Conexiones. Es importante que se
agreguen todos los parámetros como se indican en la imagen. Guardamos y cerramos el
archivo.
9. Buscamos y editamos el archivo de configuración web.xml del servidor Tomcat
incluido en el Servidor Pentaho:
Aquí es necesario establecer el nombre del servidor y el puerto en el que se va a
trabajar. Si se desea cambiar este puerto, también es necesario establecer la nueva
configuración dentro del archivo de configuración del servidor Apache Tomcat que
viene dentro en la Plataforma Pentaho. Más abajo se muestra como realizar esta
operación.
Figura 4.34.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 136
Figura 4.35.
Figura 4.36.
Para configurar el servicio Web se debe localizar el archivo server.xml del servidor
Tomcat y modificar las variables del servidor con los valores establecidos según
corresponda. Por ejemplo, es posible ingresar un puerto de acceso diferente al servicio
que viene establecido por defecto (8080). Una vez que se guarden los cambios en este
archivo, es necesario reiniciar el servicio para que la aplicación tome en cuenta los
nuevos parámetros.
Figura 4.37.
Figura 4.38.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 137
Figura 4.39.
10. Buscamos y editamos el archivo de configuración del servidor Tomcat del
Servidor Pentaho context.xml para establecer los datos de la conexión a la base
de datos:
Figura 4.40.
Figura 4.41.
Figura 4.42.
11. A partir de este momento se está en condiciones de iniciar el servidor Pentaho.
Para esto es necesario ejecutar el archivo start-pentaho.bat.
Figura 4.43.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 138
Figura 4.44.
Pentaho Administration Console
Para empezar a usar Pentaho Administration Console no es necesario realizar ninguna
tarea adicional debido a que el mismo ya viene incluido dentro del paquete Pentaho-CE
que se ha instalado en los pasos anteriores. Esta herramienta está preparada para
conectarse con la plataforma Pentaho de manera automática.
Es conveniente mencionar que para utilizar esta aplicación en un ambiente productivo
es altamente recomendable establecer una contraseña de acceso diferente a la que viene
configurada por defecto para aumentar el nivel de seguridad del sistema. Para poder
realizar esta operación es necesario emplear librerías Jetty incluidas en el paquete
Pentaho.
1. Comprobamos la existencia de las librerías necesarias, como se ve en la
siguiente imagen:
Figura 4.45.
Figura 4.46.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 139
2. Confeccionamos el comando para generar la contraseña, agregamos la clave
seleccionada y ejecutamos el mismo, como se muestra a continuación.
Figura 4.47.
Copiamos la contraseña de tipo OBF que generamos y la pegamos en al archivo
login.properties.
Figura 4.48.
Figura 4.49.
Figura 4.50.
Pentaho Data Intergration
Para instalar PDI es necesario tener instalado Java Runtime Environment (JRE) versión
1.5 o superior. Esta tarea ya se ha realizado en pasos anteriores cuando se instaló el
paquete Pentaho CE. Para comenzar la instalación de PDI es necesario descargar el
programa Kettle, desde la siguiente dirección web:
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 140
http://sourceforge.net/projects/pentaho/files/Data%20Integration/3.2.0-stable/
Se debe descomprimir el archivo descargado en el directorio de instalación seleccionado
y a partir de ese momento ya es posible acceder a la aplicación iniciando el archivo
Spoon.bat.
Figura 4.51.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 141
Figura 4.52.
Herramientas Adicionales
Instalación wget
Wget es una herramienta útil para realizar peticiones Web en diversos protocolos, como
HTTP o FTP. Esta herramienta será empleada en las tareas de actualización de cache
como veremos en la construcción de los procesos ETL.
Para instalar esta herramienta se debe descargar la aplicación desde la URL indicada a
continuación y extraer el ejecutable wget.exe al directorio de instalación del sistema
operativo Windows: “%systemroot%/System32”. Otra alternativa es ubicar el archivo
en un directorio arbitrario e indicar, posteriormente, su ruta en la variable de entorno del
Sistema Operativo correspondiente (“Path”) para poder invocar el programa desde la
línea de comando.
http://www.interlog.com/~tcharron/wgetwin-1_5_3_1-binary.zip
Figura 4.53.
Figura 4.54.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 142
Pentaho Report Designer
Pentaho Report Designer es una herramienta de Reporting del proyecto JFreeReport, La
misma permite la creación rápida informes sofisticados y visualmente ricos. Esta
herramienta cuenta con un entorno gráfico bastante intuitivo y fácil de utilizar. Además
tiene una estructura muy flexible que permite, al diseñador, generar reportes que se
adapten totalmente al gusto y la necesidad de los usuarios.
1. Para instalar PRD es necesario dirigirse a la página de SourceForge y descargar
el paquete prd-ce-3.6.1-stable.zip.
http://sourceforge.net/projects/pentaho/files/
2. El siguiente paso es extraer los archivos en el directorio de instalación elegido.
Una vez extraídos los archivos, la herramienta está lista para ser utilizada.
Figura 4.55.
Figura 4.56.
La aplicación se inicia ejecutando el archivo report-designer.bat.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 143
Java Developer Kit
Para usar Pentaho Design Studio, herramienta que será utilizada más adelante, es
necesario tener instalado el Java Deverloper Kit. Esta es un una aplicación de java
requerida para poder ejecutar las herramientas de desarrollo basados en java. La
herramienta Pentaho Design Studio, está soportada sobre una plataforma de
desarrollo Eclipse. La cual requiere, como dijimos, tener instalado JDK. A
continuación se describen los pasos necesarios para realizar esta tarea:
1. Para instalar JDK, es necesario dirigirse a la página de Oracle y descargar el
paquete jdk-7-windows-i586.exe desde la siguiente dirección:
http://www.oracle.com/technetwork/java/javase/downloads/java-se-jdk-7-
download-432154.html
Una vez descargado el archivo, se debe hacer doble clic sobre el instalador para iniciar
la instalación.
Figura 4.57.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 144
2. Para comenzar se debe hacer clic en el botón “Next”.
Figura 4.58.
3. En este paso, es posible establecer el directorio de instalación para el JDK
diferente al que viene establecido por defecto. Una vez definido, es necesario
presionar el botón “Next” para continuar.
Figura 4.59.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 145
4. En este paso, el asistente permite establecer un directorio de instalación para el
JRE (Java Runtime Enviroment) que viene incluido dentro en el JDK o aceptar
el directorio propuesto por defecto. Una vez establecido el directorio, es
necesario presionar el botón “Next”.
Figura 4.60.
5. El asistente de instalación confirma que el proceso de instalación ha finalizado
correctamente. Es necesario presionar el botón “Finish” para salir del asistente.
Pentaho Design Studio
PDS es un entorno de desarrollo gráfico implementado sobre una solución Eclipse, que
cuenta con un complemento (Plugin) específico de Pentaho para la creación de
Xactions.
1. Para instalar PDS, es necesario dirigirse a la página de SourceForge y descargar
el paquete pds-ce-win-3.6.0-stable.zip
http://sourceforge.net/projects/pentaho/files/
2. El paso siguiente es extraer los archivos descargados en el directorio de
instalación seleccionado.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 146
Figura 4.61.
Figura 4.62.
Como mencionamos en los pasos previos, es necesario tener instalado el Kid de
Desarrollo JDK para poder ejecutar esta herramienta. Llegado a este momento es
posible abrir la aplicación ejecutando el archivo eclipse.exe.
Confección de Cubos OLAP
Los cubos OLAP de Mondrian utilizados en este proyecto se generan mediante el
empleo de la herramienta gráfica schema-Workbench. Esta herramienta permite generar
una serie de archivos XML que contienen información estructurada con la
configuración de los modelos utilizados por el motor Mondrian. Es necesario aclarar
que estos archivos no contienen ningún tipo de datos, solo incluyen Metadata. Es decir,
información adicional del modelo que permite describir como es el esquema de cada
uno de los cubos construidos.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 147
Cubo Producción
Figura 4.63.
Figura 4.64.
Utilizando la herramienta schema-workbench, se crea el archivo Produccion.xml que
contiene la Metadata del Cubo Produccion para Mondrian y se lo deposita dentro del
directorio de trabajo de Pentaho.
Figura 4.65.
Figura 4.66.
Cubo Productividad
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 148
Figura 4.67.
Figura 4.68.
De la misma manera que antes, se genera el archivo Productividad.xml que contiene la
Metadata del Cubo Productividad para Mondrian y se lo deposita dentro del directorio
de trabajo de Pentaho.
Figura 4.69.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 149
Figura 4.70.
Cubo Indicadores
Figura 4.71.
Figura 4.72.
Se genera también el archivo archivo Indicadores.xml que contiene la Metadata del
Cubo Indicadores para Mondrian y se lo deposita dentro del directorio de trabajo de
Pentaho.
Figura 4.73.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 150
Figura 4.74.
Finalmente, se indica dentro del archivo de configuración de Pentaho cuáles son los
Cubos y donde se encuentran los archivos que contienen la Metadata para que sean
procesados por el Motor Mondrian.
Figura 4.75.
Figura 4.76.
Figura 4.77.
Luego de modificar este en archivo de configuraron es necesario reiniciar el servidor
Pentaho para que se actualicen los cambios. Siempre que se altere la configuración en
cualquiera de los archivos propio de la plataforma Pentaho, como el que acabamos de
editar, es necesario reiniciar el Servidor. Para realizar esta operación debemos ejecutar
el archivo stop-pentaho.bat, con lo que se detendrá el servicio y luego ejecutar el
archivo start-pentaho.bat para iniciar nuevamente la aplicación.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 151
Figura 4.78.
Figura 4.79.
Figura 4.80.
Instalación de Rapid Miner.
La plataforma Rapid Miner presenta un entorno completo para el tratamiento, la
transformación, el modelado y el análisis masivo de datos. Fue seleccionada para
realizar las operaciones de minería sobre datos, principalmente, por ofrecer una extensa
variedad de opciones para el modelado y por presentar una notable sencillez a la hora de
trabajar con ella.
En la esta sección se mostrará cómo realizar la instalación de ésta herramienta.
1. Lo primero que hay que hacer es dirigirse a la página del proyecto Rapid Miner
y descargar la última versión disponible de la aplicación desde la dirección web
indicada a continuación:
http://rapid-i.com
2. Nos dirigimos a la sección Descargas y dentro de ella, seleccionamos Rapid
Miner.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 152
3. Elegimos la plataforma en la que vamos a instalar la aplicación (en este caso
Windows), completamos el formulario de registro requerido y completamos la
descarga.
Figura 4.81.
Figura 4.81.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 153
4. Una vez que se obtiene el instalador, procedemos a ejecutarlo.
Figura 4.82.
5. Una vez que comienza el proceso de Instalación, presionamos el botón “Next”.
Figura 4.82.
6. Para continuar es necesario leer y aceptar la licencia del software que se
encuentra en la sección “License Agreement” dentro de la pantalla de
instalación. Debemos aceptar la licencia presionando el botón “I Agree”.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 154
Figura 4.83.
7. En el siguiente paso es necesario definir el directorio de instalación de la
herramienta. A continuación, se debe presionar el botón “Instalar” para
comenzar el proceso.
Figura 4.84.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 155
Confección del Repositorio de Trabajo
Lo primero que se debe realizar en RapidMiner es crear el repositorio de trabajo. El
repositorio es el contenedor de los componentes y las configuraciones de cualquier
proyecto creado en RapidMiner.
Para ello se utilizará la opción crear nuevo repositorio desde el menú: “File > New”.
Figura 4.85.
Una vez creado el repositorio es necesario importar una tabla de base de datos para
trabajar con ella. Con esto, logramos tener acceso a los datos del Data Warehouse.
Como en este caso, el almacén es una base de datos, se debe seleccionar el método de
importación de datos para conexiones a bases de datos.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 156
Figura 4.86.
1. El asistente de importación solicita los datos de la conexión del servidor de base
de datos donde está contenido el Data Warehouse. Aquí, debemos llenar los
parámetros validos de conexión a base de datos.
Figura 4.87.
2. El siguiente paso es diseñar la consulta SQL que se ha de ejecutar contra la base
de datos para obtener todos los registros que se quieren analizar en el proceso de
Data Minning. En nuestro caso, seleccionamos la tabla de hechos
“dw_indicadores” unida al resto de las tablas de dimensiones afectadas. Las
uniones establecidas a las tablas de dimensión son necesarias si se prefiere ver,
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 157
posteriormente, las descripciones de cada atributo y no solo los identificadores
de cada campo. De ser necesario, también es posible aplicar en este momento
algún criterio de filtrado sobre los datos para reducir, lo más posible, la carga en
el procesamiento y mejorar la eficiencia de las consultas, quitando para ello,
cualquier información que resulte innecesaria para los análisis.
Figura 4.88.
3. El paso siguiente es agregar un identificador al proceso de consulta y presionar
el botón de finalizar.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 158
Figura 4.89.
Comprobar la Importación
A partir de aquí se puede comenzar a trabajar con los datos. Si se le da doble click al
proceso de importación recién creado, es posible explorar los registros devueltos por el
motor de consulta de RapidMiner.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 159
Figura 4.90.
El asistente nos preguntará si deseamos trasladarnos a la perspectiva de vista previa.
Debemos contestar “YES”.
Figura 4.91.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 160
Exploración de los Resultados.
La perspectiva “Vista de Resultados” está dividida en cuatro partes. Ellas son: “Meta
Data View”, “Data View”, “Plot View” y la sección “Annotations”.
En esta sección se describirán las primeras tres secciones.
o Meta Data View
Esta vista contiene una pre-visualización de la Metadata, es decir de la información que
se conoce a cerca de los datos. Como puede ser, el nombre del campo, el tipo de datos,
el rango, entre otras características.
Figura 4.92.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 161
o Data View
En esta vista podemos observar la colección de datos almacenados en la base de datos
que responden a la consulta de importación antes generada. Es importante mencionar
que, como existe un proceso de importación previo que emplea una consulta de base de
datos, es posible que los datos estén filtrados. Por ello, es muy importante conocer el
criterio de búsqueda antes de estudiar estos datos en profundidad.
Figura 4.93.
o Plot View
La opción “Plot View” es la que nos permite acceder a la herramienta de representación
de datos. Es una de las principales secciones que tiene el software y es, de hecho, una de
las pantallas más importantes. Esta vista nos permite generar los gráficos necesarios
para analizar los patrones encontrados dentro de una población de datos. También
ofrece una paleta de opciones con, la cual, el analista podrá elegir el tipo de gráfico más
conveniente para un determinado análisis, elegir manera más adecuada para mostrar los
datos y establecer los parámetros necesarios en función de cada uno de ellos.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 162
Figura 4.94.
Prueba General del Sistema
En esta sección se va a presentar el Panel de Gestión que se construyó basado en el
modelo de datos que se diseñó para la empresa Magneti Marelli. Se dará una
descripción de cada una de las pantallas a las que se puede acceder desde la página web
y la información que se puede extraer de ella. De manera posterior se analizará si la
aplicación construida alcanzo a satisfacer las necesidades que la organización planteo al
inicio del desarrollo.
Reportes obtenidos con el Sistema de Inteligencia de Negocio
1. Panel de Gestión Gerencial.
El panel de gestión está dividido en dos secciones principales. La sección denominada
“Filtro”, es la que permite seleccionar las diferentes perspectivas de análisis desde
donde usuario puede elegir y combinar cada uno de los elementos de interés a analizar.
Por ejemplo, pude seleccionar para el análisis un turno, un proceso, un producto o un
trabajador determinado. También puede, en misma ventana, elegir el día exacto en el
que desea focalizar el análisis y, si lo desea, puede elegir un período de fecha completo.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 163
Una vez que el usuario establece el criterio deseado, la página automáticamente se
actualiza para presentar los resultados de la consulta realizada dentro del panel de
información que se encuentra más abajo.
Filtro:
Figura 5.1.
Debajo del panel de Filtro se encuentra el “Panel de Información” donde se presentan
los resultados. Este panel está separado en varias ventanas que son accesibles mediante
un menú horizontal ubicado en la parte superior. El cuál permite al usuario navegar
entre los diferentes gráficos y tablas según la necesidad que se tenga.
Panel de Información:
Pestaña “Rendimiento”
Dentro de la Sección Rendimiento se despliegan dos nuevas pestañas.
o Pestaña “Indicadores”
Esta ventana muestra el estado de los Indicadores de Gestión Calidad, Productividad e
OEE de toda la organización, o parte de ella si se especifica algún criterio diferente en
el panel de Filtro. Por ejemplo, se puede ver el rendimiento general de un Turno, o de
un Proceso determinado, e incluso combinarlas. Es decir, obtener el rendimiento de un
Proceso en un Turno seleccionado.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 164
Figura 5.2. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
o Evolución de los Indicadores
Este panel presenta el estado de los indicadores en un período de tiempo seleccionado.
Figura 5.3. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 165
Pestaña “Calidad”
Esta sección agrupa todos los informes que están relacionados con el análisis de la
Calidad en la organización.
o Pestaña “Evolución de la Producción”
La primera pestaña muestra la cantidad de piezas producidas en la empresa. En color
verde se muestran las piezas Producidas OK y en rojo las piezas defectuosas. En la
misma ventana se pueden ver los totales de producción en todo el período de tiempo
seleccionado.
Figura 5.3. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
o Pestaña “Distribución del Scrap por Causa”
Pestaña “Gráfico”
Esta ventana muestra las Cantidades de Piezas Defectuosas totales agrupadas en cada
una de las Causas de Falla. El gráfico tiene una disposición de tipo torta.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 166
Figura 5.4. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Pestaña “Tabla”
La misma información que se detalla en la pestaña anterior se presenta en esta sección
en forma de tabla. Las diferentes causas de defectos y las cantidades totales para cada
una de ellas.
Figura 5.5. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 167
o Pestaña “Distribución del Scrap por Producto”
Esta ventana muestra un gráfico de barras con las cantidades de piezas defectuosas
obtenidas en cada uno de los productos fabricados de mayor a menor incidencia.
Comúnmente este gráfico es conocido como Diagrama Pareto utilizado para conocer
rápidamente la frecuencia de problemas en orden de importancia.
Figura 5.6. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
o Pestaña “Evolución del Scrap”
El último gráfico de la sección de Calidad muestra las cantidades de piezas defectuosas
en función del tiempo.
Figura 5.7. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 168
Pestaña “Productividad”
Esta sección agrupa todas las salidas que están relacionadas con el estudio de la
Productividad de la organización.
o Pestaña “Evolución de la Productividad”
La primera pestaña muestra las cantidades de horas trabajadas en la empresa. En color
naranja se muestran las Horas Productivas, mientras que en rojo se muestran las Horas
Improductivas. En la misma ventana se pueden conocer fácilmente los Totales de Horas
consumidos en todo el período de tiempo seleccionado.
Figura 5.8. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
o Pestaña “Distribución de las Horas de Parada por Causa”
Pestaña “Gráfico”
Esta pestaña presenta las cantidades de Horas Improductivas totales agrupadas en cada
una de las Causas de Improductividad. El gráfico tiene una disposición de tipo torta.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 169
Figura 5.9. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Pestaña “Tabla”
La misma información que se analiza en la pestaña anterior, se presenta aquí, en forma
de tabla. Las diferentes Causas de Improductividad y sus Cantidades Totales por cada
una de ellas.
Figura 5.10. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 170
o Pestaña “Distribución de las Horas de Parada por Producto”
Esta pestaña muestra un gráfico de barras con las Cantidades de Horas Improductivas
obtenidas en la fabricación de los Productos fabricados ordenados de mayor a menor
por el nivel de incidencia. Comúnmente este gráfico es conocido como Diagrama Pareto
utilizado para identificar fácilmente la frecuencia de problemas en orden de
importancia.
Figura 5.11. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
o Pestaña “Evolución de las Horas de Parada”
El último gráfico de la sección de Productividad muestra las cantidades de Horas
Improductivas alcanzadas en función del tiempo.
Figura 5.12. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 171
Pestaña “Tiempo de Setup”
Este gráfico muestra el tiempo total utilizado en la Puesta a Punto de las maquinas en
cada proceso productivo. Con él, se pude ver rápidamente la evolución de las Horas de
Setup en el período de tiempo seleccionado y el total de Horas Utilizadas.
Figura 5.13. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
o Análisis Avanzados:
El Panel de Gestión permite también profundizar ciertos análisis sobre la información.
A continuación, se muestra cómo utilizar el la herramienta de gestión para obtener
mayor detalle a partir de los informes generados.
Suponiendo que mantenemos seleccionado dentro del panel de Filtro, el período de
fechas contenido desde el 1ro de Marzo al 31 de Marzo del año 2010. De manera
siguiente, abrimos la pestaña “Evolución de la Producción” de la Sección “Calidad” del
panel inferior y obtenemos el siguiente detalle:
Filtro:
Figura 5.14.
Panel de Información:
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 172
Figura 5.15. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Note: aquí se puede ver el total de Productos OK y Productos defectuosos fabricados
en el período seleccionado.
Primer Análisis:
Conociendo el total de Productos defectuosos podemos pasar a la siguiente pestaña y
obtener, al igual que vimos antes, un gráfico de distribución de tipo torta con todas las
causas de Scrap detalladas.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 173
Figura 5.16. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Una vez ubicados en el gráfico es posible realizar, en este momento, un análisis mas
profundo sobre la información obtenida.
El siguiente paso es seleccionar con el Mouse alguna de las causas mostradas en el
gráfico.
Figura 5.17. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Note: al hacer Click sobre una causa la misma se muestra seleccionada.
A continuación, podemos pasar a la pestaña “Distribución de Scrap por Producto” y
obtener un gráfico con la distribución del Scrap por cada Producto, pero solo de la causa
que hemos seleccionado en el paso anterior.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 174
Figura 5.18. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Note: en esta ventana se actualiza el título indicando cuál fue la causa seleccionada
en la ventana anterior.
También es posible, desde esta misma ventana, limpiar toda selección anterior, haciendo
click en la opción “Restablecer Gáfico”.
A continuación se muestra la Distribución por Producto de Scrap sin haber seleccionado
ninguna causa de Scrap.
Figura 5.19. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 175
Note: el título del gráfico “Distribución del Scrap por Producto”, indica que se está
mostrando la distribución general del Scrap por producto, sin analizar ninguna causa
en particular.
Segundo Análisis:
Si mantenemos seleccionada la causa de Scrap y pasamos a la pestaña “Evolución del
Scrap”, es posible obtener un gráfico que muestra el comportamiento del Scrap en el
tiempo solo para la causa seleccionada.
Figura 5.20. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 176
Figura 5.21. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Note: nuevamente el título del gráfico está indicando que existe una selección en una
de las causas de Scrap.
De la misma forma que antes, es posible restablecer el gráfico para limpiar cualquier
selección anterior para obtener la evolución total del Scrap.
Figura 5.22. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Note: el gráfico sin selección alguna representa la evolución general del Scrap.
Tercer Análisis:
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 177
De la misma manera como se hizo en la pestaña “Distribución del Scrap por Causa”, es
posible seleccionar algún ítem en la pestaña “Distribución del Scrap por Producto” para
profundizar el análisis.
Figura 5.23. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Note: el título indica que no hay ninguna Causa de Scrap seleccionada, y al hacer
click en gráfico queda seleccionado el producto que queremos analizar.
A continuación podemos pasar a la pestaña “Evolución del Scrap” para analizar como
fue el comportamiento del Scrap para el producto Seleccionado.
Figura 5.24. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Note: el título del gráfico indica que se está presentando la evolución del scrap solo
para el producto seleccionado en el gráfico anterior.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 178
De la misma forma que antes es posible restablecer el gráfico para obtener la evolución
total del Scrap haciendo click en el botón “Restablecer Gráfico”.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 179
Figura 5.25. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Note: el gráfico sin selección representa la evolución general del Scrap.
Cuarto Análisis:
Hasta ahora se vio la posibilidad de obtener la distribución por producto de una causa de
Scrap determinada y obtener, también, la evolución del Scrap para dicha Causa de
Scrap. Por otro lado, se vio como obtener la Evolución del Scrap para un producto
determinado.
Lo que vamos a ver a continuación es la posibilidad de combinar estos análisis. En
otras palabras, veremos cómo obtener la evolución del Scrap para un Producto y una
causa de Scrap determinada.
En primer lugar, es necesario seleccionar la causa de Scrap en la pestaña “Distribución
de Scrap por Causa”.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 180
Figura 5.26. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Note: el orden en que se deben seleccionar los elementos debe ser siempre el mismo,
primero la causa de Scrap, luego el producto de interés.
A continuación cambiamos a la pestaña “Distribución del Scrap por Producto” y
seleccionamos un producto determinado.
Figura 5.27. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Note: Compruebe que la Causa de Scrap esté siendo indicada, y que el producto haya
sido correctamente seleccionado.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 181
Luego es posible avanzar a la siguiente pestaña, “Evolución del Scrap”, y obtener un
nuevo gráfico con el comportamiento del Scrap en el tiempo para el producto y causa de
Scrap seleccionado.
Figura 5.28. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Note: compruebe que el título del gráfico muestre la Causa de Scrap y Producto de
interés.
Al igual que en los casos anteriores, es posible limpiar cualquier selección anterior,
haciendo click en la opción “Restablecer Gráfico”.
Figura 5.29. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Note: el gráfico sin selección representa la evolución general del Scrap.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 182
La sección “Productividad” del panel de Gestión Gerencial tiene el mismo
comportamiento de la sección “Calidad”. Es decir, que podremos obtener mayor detalle
en la información aplicando el mismo modo de trabajo que se demostró en la sección
anterior.
Pestaña “Reportes”
En la sección de reportes se pueden obtener diversos informes de uso administrativo
referidos al Área de Producción.
Figura 5.30. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
o Declaraciones de Producción
Este informe presenta un listado con los empleados de la planta, los períodos de tiempo
trabajados, los productos y las cantidades fabricadas en un día determinado. También,
incluye los indicadores de Calidad y Productividad asociados a cada producto.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 183
Figura 5.31. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 184
o Resumen de Producción
En esta pantalla se muestra el listado de los productos y las Cantidades totales de Piezas
Fabricadas y Piezas Defectuosas construidas en un período de tiempo elegido,
agrupadas por Proceso de Fabricación.
Figura 5.32. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
o Resumen de Presentismo
Este informe presenta la lista de empleados Presentes y Ausentes en una jornada laboral
seleccionada.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 185
Figura 5.33. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
o Resumen de Rendimientos
Este informe reúne el listado de los rendimientos alcanzados por cada uno de los
operarios de la empresa en un período de tiempo establecido.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 186
Figura 5.34. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Reportes obtenidos con las herramientas de Data Mining.
Distribución del Indicador Calidad en función de los Procesos de Fabricación.
En este gráfico podemos observar la distribución de la calidad representada por puntos
de color uniforme entre los diferentes Procesos de Fabricación. Con este informe,
podemos notar rápidamente cual es el proceso que más problemas de Calidad ha
sufrido. A partir de ahí, es posible continuar un estudio completo sobre el Proceso más
afectado.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 187
Figura 5.35. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Distribución del indicador Productividad en función de los Procesos de
Fabricación.
De la misma manera que en el gráfico anterior, es posible analizar la distribución de los
valores de Productividad representados con puntos de color uniforme en cada Proceso
de Fabricación. Con esta tabla podemos ver rápidamente como es el comportamiento de
la Productividad en cada uno de los Procesos e identificar aquellos, cuyo indicador
asume valores no deseados. También puede ser utilizado como método de control para
encontrar valores anormales en el comportamiento de los procesos.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 188
Figura 5.36. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Distribución 3D del Indicador Productividad en función de los Operarios y el
tiempo.
Esta representación tridimensional permite analizar los valores de Productividad de cada
Operario agrupados trimestralmente. Claramente es posible identificar, a partir de estos
datos, cuáles son las variables que se están comportando de manera anormal.
Figura 5.37. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 189
Representación de Bloques del Indicador Productividad en función de los
Operarios, en cada Proceso de Fabricación.
El grafico “Block” muestra una tabla con los valores de productividad representados en
diferentes bloques de colores. Estos bloques tienen la característica de cambiar el color
dentro de un rango establecido de valores posibles, entre el máximo y el mínimo
encontrado, para la población de datos analizado. Con esta herramienta, es posible
saber rápidamente, por el color del bloque, cuales son los Operarios y Procesos que más
se alejan del valor deseado.
Figura 5.38. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Representación de Bloques del Indicador Calidad en función de los Operarios en
cada Proceso de Fabricación.
Al igual que en el caso anterior, podemos encontrar rápidamente donde se encuentran
los valores anormales del Indicador Calidad e identificar cuáles son los operarios y los
procesos con mayor grado de incidencia de problemas.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 190
Figura 5.39. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Representación de Bloques del Indicador Productividad en función de los
Productos, en cada Proceso de Fabricación.
Empleamos la misma herramienta para graficar mediante el diagrama de bloques los
valores de productividad, pero esta vez en función de los Productos y Procesos. Así
podremos ver rápidamente aquellos productos que tienen mayor incidencia en la caída
de la productividad.
Figura 5.40. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 191
Análisis de resultados:
Beneficios Esperados vs Beneficios Alcanzados
Finalizada la etapa de pruebas integrales del sistema se comenzó a utilizar el mismo de
manera productiva. De aquí en adelante, se llevaron tareas de validación de resultados y
medición del desempeño general de la aplicación a fin de detectar posibles desviaciones
y comportamientos inesperados. En este proceso se buscó, entre otras cosas, comprobar
que el sistema responda a las necesidades primarias que fueron planteadas al inicio del
desarrollo.
Lista de requerimientos planteados:
Proveer Información Histórica de Producción.
A través de una interfaz amigable se puede acceder, con el empleo de la herramienta, a
todos los indicadores de gestión de la producción. El panel de gestión, permite tanto la
consulta de datos para un día determinado, como también, permite seleccionar un
periodo de fechas para analizar valores históricos.
Figura 5.41. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 192
Figura 5.42. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Identificar las causas de perdida materiales.
Desde el Panel de Gestión, es posible acceder a la sección “Calidad” para realizar los
análisis referidos a la calidad en el área de producción. Con esta herramienta es posible
obtener un informe, en el cuál, se puede consultar la cantidad de piezas fabricadas OK,
la cantidad de piezas defectuosas y reprocesadas. Desde esta perspectiva, es posible
analizar todas las causas que significaron pérdida de materiales declaradas al momento
de producir.
Figura 5.43. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Al cambiar en la pantalla al modo de “Distribución de Scrap por Causa” se obtiene un
informe con la cantidad pormenorizada de causas de defectos. El mismo puede ser
presentado como un gráfico de torta o como una tabla.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 193
Figura 5.44. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Finalmente, en el modo “Distribución de Scrap por Producto”, se accede a un informe
pormenorizado con la cantidad de piezas defectuosas por producto. También es posible
obtener este mismo informe a partir de una causa de defecto particular.
Figura 5.45. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 194
Identificar las causas de perdida de mano de obra.
De la misma manera que se realiza el análisis de calidad, se puede realizar el análisis de
la productividad en la sección “Productividad” del Panel de Gestión Gerencial. Aquí se
puede obtener un informe detallado de las horas productivas e improductivas declaradas
en el momento que se fabricaron los componentes en la linea de fabricación.
Figura 5.46. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Al igual que antes, el sistema permite, desde la solapa “Distribución de Horas de parada
por Causa”, acceder a un informe con la cantidad pormenorizada de horas
improductivas, sea en un gráfico de tipo torta o en una tabla.
Figura 5.47. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Por último, el panel cuenta con una vista en la que se representa en un gráfico de barras,
la distribución con las cantidades de horas improductivas, agrupadas por producto.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 195
Figura 5.48. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Pormenorizar la incidencia de cada causa en el indicador OEE.
Retroalimentar el proceso de toma de decisión.
Luego de verificar que se cumplimentan los objetivos propuestos en la etapa inicial del
proyecto es posible comprobar, de manera complementaria, la presencia de algunos
beneficios esperados a partir del empleo de las herramientas.
Reducción de Horas Hombre.
Para comprender la implicancia de reducir horas hombres en la empresa se va a explicar
de qué manera se trabajaba antes y como se pasó a trabajar después de la
implementación del sistema. Ambas metodologías de trabajo son prácticamente
incomparables por ser notablemente diferentes entre sí, aunque analizarlas en conjunto,
permite entender el beneficio alcanzado con la utilización de la herramienta.
Antes de la implementación del sistema de Inteligencia de Negocio, toda la información
referida a la producción era registrada a mano por los operarios de la planta. Ellos
detallaban diariamente datos como: cantidad de piezas buenas fabricadas, la cantidad de
piezas defectuosas y las causas de estas piezas. También se agregaba, de manera
adicional, el tiempo trabajado y las paradas de máquina ocurridas. Todas estas planillas
eran posteriormente recopiladas y archivadas para un eventual estudio de la
información. Solo cuando era posible, un empleado administrativo buscaba una planilla
determinada y tomaba el trabajo de calcular manualmente el rendimiento alcanzado por
un operario en un proceso y turno dado. Esta información finalmente era entregada al
jefe de producción, quién la utilizaba para optimizar un proceso productivo. Para
realizar esta tarea el personal administrativo consumía, aproximadamente, una hora en
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 196
obtener un sólo indicador de proceso para un operario, en un proceso dado, para un día
determinado.
Después de que el sistema fue implementado era necesario que una persona diariamente
cargue en el sistema todas las planillas de producción generadas para almacenar esta
información de manera digital. Se verificó en la práctica que el personal administrativo
requería de alrededor de cinco minutos para cargar cada una de las planillas al sistema.
En total se tomarían para 30 planillas, correspondientes a 30 procesos, unos 150
minutos diarios. Una vez cargadas las planillas, el sistema permitía consultar todos los
indicadores de proceso requeridos para cada uno de los empleados, en un turno dado, en
un día seleccionado, etc. No solamente esto, además el sistema brindaba soporte para las
consultas de un solo día o un período de fechas, conservando así, el historial de los
datos.
Evolución del Indicador de Rendimiento traducido en costo
A partir de la información que se extrae con el sistema es posible, hoy día, realizar
ciertos análisis para mejorar el gerenciamiento de la empresa. Con la lectura de los
indicadores arrojados por el sistema, como puede verse más abajo, se pueden comparar
dos situaciones diferentes de una misma celda de trabajo y evaluar su evolución. Así,
por ejemplo, se podrán emplear los valores de productividad de un período de fecha
seleccionado y, posteriormente, traducir los mismos en costo, utilizando para ello, un
método adecuado.
Si se tratara, como veremos en este caso, de la evolución del indicador de la
Productividad sería posible, con una fórmula matemática, convertir estos valores a un
parámetro de mayor practicidad. Por ejemplo, podríamos saber las horas de mano de
obra o también, el costo de mano de obra a partir de esta información.
Caso de Ejemplo 1:
Informe de productividad del Proceso “Proceso 125”.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 197
Figura 5.49. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
En base al gráfico es posible realizar el siguiente análisis: como sabemos que el estándar
de fabricación del producto “Producto 158” es de 44 Piezas/Hora, podemos decir que al
pasar de un promedio de 60% de Productividad a finales del año 2010, a producir con
un 80% de productividad a finales del 2011, se obtuvo una mejora del 20% y un mejor
aprovechamiento de las horas de mano de obra empleadas para obtener una misma
cantidad de piezas en el período de tiempo seleccionado. Dicho de otra manera,
podríamos asegurar que se pasó de una situación inicial, de fabricar 26.4 piezas
efectivas por hora trabajando al 60%, a fabricar 35.2 piezas efectivas por hora con una
productividad del 80% al final del período para el proceso seleccionado.
Es importante tener en cuenta, al realizar este tipo de análisis, que estas lecturas deben
contemplar variaciones comunes, como:
No todos los días se trabajan los 3 turnos
No todos los días se trabajan 8 horas diarias por turno
No todos los días son laborables.
Pueden existir horas extras.
Estas variables pueden alterar los cálculos que se realicen y afectar negativamente
cualquier tipo de análisis realizado si se emplea erróneamente la información. Por esta
razón, siempre es de gran utilidad emplear en los análisis los indicadores de gestión.
Éstos, permiten contrastar el total de horas trabajadas contra las horas de perdida de
mano de obra sobre el total de horas asignadas. Por ejemplo, un valor de productividad
del 60% puede ser tomado en 10 horas trabajadas o de 100 horas trabajadas. Por esta
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 198
razón, el indicador permite realizar conjeturas más acertadas contrastando la
información con otros parámetros de la organización.
No obstante, si uno quisiera un grado mayor de detalle sobre un hecho en particular
podría cruzar mayor información y obtener un análisis más profundo. Por ejemplo,
tomar la cantidad de horas trabajadas de un período a otro y, a partir de allí, estimar los
costos de mano de obra ahorrados o, en otro caso, afirmar que para una misma cantidad
de horas se obtuvo una mayor cantidad de piezas, dependiendo de la perspectiva de
análisis que uno requiera.
Caso de Ejemplo 2:
Informe de productividad del Proceso “Proceso 81”.
Figura 5.50. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
En este informe, podemos ver como pasamos de tener aproximadamente el 70% de
Productividad a principios de Enero, a estar por encima del 90 %, entrando al mes de
agosto del mismo año. Lo que supone una mejora del 20% del proceso productivo
seleccionado y un ahorro en mano de obra utilizada en dicho proceso.
Es difícil asegurar que el empleo de la herramienta de gestión haya tenido un impacto
directo en el desempeño general de la organización que pueda ser fehacientemente
comprobado luego de la implementación del sistema de Inteligencia de Negocio. Las
razones para creer esto son diversas. En primer lugar, debe comprenderse que toda
actividad productiva es afectada por múltiples variables, entre las que se también
encuentra, la incorporación de nuevas tecnologías de la información empleadas en el
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 199
proceso de toma de decisión empresarial. En segundo lugar, hay que resaltar que el
escenario de trabajo en una empresa se encuentra en una constante situación de cambio.
También por ello, es muy complicado asilar de manera suficiente las variables
intervinientes en una ambiente de trabajo determinado, como para aseverar que una
situación esperada sea producto de una decisión gerencial tomada a partir de la
información obtenida del sistema de Inteligencia de Negocio. Por último, es muy
importante destacar que toda acción que tiene el objetivo de mejorar un proceso
productivo, se realiza siempre a través de un proceso de toma de decisión en el que
interviene necesariamente una persona. Por este motivo, el benefició alcanzado con la
alteración de algún parámetro productivo está sujeto al criterio aplicado en la decisión
más que a la utilización de las herramientas de información empleadas para la
resolución del problema, por más que éstas últimas, sean esenciales en el proceso de
toma de decisión.
Experiencias Alcanzadas
Uno de los momentos claves donde se pudo observar la importancia de incorporar las
nuevas herramientas de negocio en la empresa ocurrió mientras se realizaba la
implementación. En esa ocasión se estaba presentando al gerente de producción y al
gerente de calidad, una funcionalidad novedosa que les iba a permitir explorar la
información con nuevas perspectivas de análisis. Fue sorprendente ver las caras de
asombro que tuvieron cuando comprobaron que una de las creencias que tenían a cerca
del estado de los procesos, era totalmente errada en comparación a la realidad que
estaba siendo ahora reflejada con la herramienta. En ese momento se presentó un
gráfico de tipo Pareto para representar la cantidad de piezas defectuosas agrupadas por
producto. A partir de este grafico pudieron ver, rápidamente, cuales eran los productos
con mayor problema dentro de un proceso determinado. Anecdóticamente, resulto ser
que el producto con mayor problema era aquel que, según creían hasta el momento,
presentaba menos cantidad de defectos.
Esta situación, fue para mí, una experiencia extraordinaria debido a que reveló en
primer lugar, que la información con la que se contaba era insuficiente para comprender
el estado actual de los procesos de fabricación en la empresa. En segundo lugar, hizo
notar la importancia que tienen las herramientas de negocio en el proceso de toma de
decisión de una organización. Finalmente, produjo un cambio cultural provechoso, que
permitió mejorar el compromiso y el nivel de involucramiento de los usuarios del
sistema para finalmente reducir, en cierta medida, el riesgo del proyecto.
El grafico que se mostró en ese entonces era muy parecido a este:
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 200
Figura 5.51. Todos los valores expuestos son solamente demostrativos y no representan la realidad.
Puesta en Marcha
Durante la etapa de planificación del proyecto se generó un plan de inversión para
adquirir, llegado el momento, todo el hardware requerido que deberá soportar la
aplicación de negocio desarrollada. Se realizó un estudio que permitió establecer cuáles
eran los requerimientos de hardware mínimos necesarios para lograr que las
aplicaciones utilizadas corran dentro de los parámetros recomendados por cada
fabricante. Por otro lado, como el software utilizado es de uso y distribución libre, no
existe un costo asociado para su adquisición. No obstante, es importante mencionar que
la configuración de la plataforma, la construcción del Data Warehouse y el desarrollo
del tablero de control, consumen un esfuerzo perfectamente mensurable. Estos costos
fueron incluidos dentro del plan de inversión presentado a continuación:
INVERSIÓN REQUERIDA
Recursos Humanos
Inversión requerida en concepto de Recursos Humanos
Perfil Requisitos Asignación Inversión (pesos)
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 201
Ingeniero de Sistema 152 $ 6080
Analista de Sistema 24 $ 672
Programador 64 $ 1280
Administrador de
Redes
24 $ 480
Total $ 8512
Tabla 5.1.
Equipamiento
Inversión requerida en concepto de Equipamiento
Hardware Descripción Destino Inversión (Pesos)
Servidor Amd Sempron LE-
1250 64 Bit, Mother
Am2, RAM 1 Gb,
Disco Rígido Hd 160
Soportar
Plataforma de
Inteligencia de
Negocio
$ 900
Total $ 900
Tabla 5.2.
Dado que la organización cuenta con recursos de hardware que superan cómodamente
los requerimientos mínimos establecidos para este proyecto, se decidió emplear toda la
infraestructura existente e instalar las aplicaciones en los servidores propios de la
empresa. De esta manera, se evitó invertir innecesariamente en hardware, con lo cuál, se
logró reducir el costo total del proyecto.
En función del rol que posee cada usuario en la empresa y el nivel de acceso que
tendrán a la plataforma se generó un plan de capacitación para los futuros usuarios de la
herramienta. Esta capacitación abarca desde el empleo general del panel de gestión, la
navegación por toda la herramienta de consulta y el acceso a los informes prediseñados.
También se incluyó, dentro del plan de capacitación, aquellas tareas de mantenimiento
necesarias para mantener el sistema operativo. De modo tal, que el personal de la
organización podrá, por si mismo, asegurar el funcionamiento normal del sistema en
adelante.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 202
PLAN DE CAPACITACION
Inversión requerida en concepto de Capacitación
Contenido Cantidad de
Usuarios
Duración
(horas)
Inversión
(pesos)
Acceso a la plataforma. Empleo
de las herramientas de consulta.
Utilización de reportes.
10 6 $ 900
Conceptos generales.
Instalación de la herramienta.
Tareas de mantenimiento
generales. Identificación de
problemas. Plan de
contingencia.
2 12 $ 1500
Tabla 5.3.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 203
CONCLUSIONES
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 204
Toda organización, independientemente del contexto en el que se encuentre, puede
mejorar su competitividad en el mercado con el empleo sistematizado de la
información, extraída de los procesos internos, utilizada para la gestión empresarial.
Este tipo de tratamiento realizado sobre la información suele ser un proceso costoso y,
normalmente, llega a demandar gran esfuerzo y voluntad. No obstante, siempre
representa un bien intangible de alto valor para cualquier organización.
En el caso de la empresa Magneti Marelli se identificó la necesidad de acceder a la
información clave del negocio para dar soporte a las decisiones estratégicas en función
de los datos analizados. Por ello, se decidió construir una aplicación informática que
permitió a los usuarios acceder a la información relevante de manera oportuna. Así fue
que se desarrolló una solución Business Intelligence con la que los empleados de la
empresa obtienen, de manera sistemática, toda la información generada en el área de
producción para asistir las decisiones gerenciales de manera diaria. Con este sistema, los
directivos y el personal idóneo de la empresa pueden extraer datos históricos del
negocio y conocer el estado de situación cuando ellos lo requieran. Para esto, fue
necesario construir una plataforma de consulta, un almacén de datos para estructurar la
información y un conjunto de procesos necesarios para mantener actualizado el sistema
de manera periódica. Esta plataforma brinda las herramientas necesarias para poder
indagar entre los datos dentro de un marco pre-establecido. El resultado de este trabajo
permitió arribar a un Sistema de Soporte a las Decisiones totalmente operativo y
confiable.
Una vez finalizada la etapa constructiva del sistema se consultó a los usuarios claves de
la empresa para conocer cuáles eran los reportes de mayor utilidad en función de las
actividades que normalmente tenían. A partir de ello, se diseñó una lista de reportes
estándares con las que se logró automatizar las consultas de mayor frecuencia de uso y
minimizar el tiempo consumido en los procesos administrativos de gran importancia.
También se instaló una herramienta de Data Minning con el que se pudieron realizar
estudios más profundos a partir de la población de datos que se comenzó a colectar
desde el momento en que la organización empezó a utilizar esta solución. Con esta
herramienta, los usuarios avanzados, pueden encontrar periódicamente desviaciones en
las variables de producción.
Para la implementación del sistema de información se recurrió al empleo de
herramientas de tipo Open Source o Software Libre con los que se evitó invertir en
licencias usuarias y, con ello, se logró también reducir el costo del proyecto de manera
significativa. Para esto, fue necesario estudiar en profundidad cada una de las
herramientas involucradas y superar cualquier limitación o inconveniente a medida que
estos iban apareciendo. Finalmente, se obtuvo una plataforma estable y funcional con la
que se pudo responder, con suficiencia, a todos los requerimientos establecidos.
En base a las pruebas realizadas, el análisis de resultado y las experiencias observadas
se llegaron a establecer las siguientes conclusiones:
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 205
En primer lugar, la implementación de una solución de Business Ingelligence dentro del
ambiente operativo de la empresa Magneti Marelli Conjuntos de Escape. S.A. fue un
logro significativo que definitivamente marcó una brecha importante entre la situación
en la que se encontraba trabajando antes y después de la adquisición de la solución
propuesta. Como resultado de esta implementación se lograron agilizar las decisiones
empresariales, mejorar la velocidad en el acceso de la información y aumentar la calidad
en los informes utilizados en el ámbito gerencial. La organización, en su totalidad,
comenzó a aprovechar un nuevo recurso que antes no tenía posibilidad de explotar y a
tomar mayores decisiones gerenciales basándose en información que el sistema ofrece
en la actualidad.
En segundo lugar, se alcanzó gran experiencia en el uso de la plataforma Pentaho para
soportar el sistema de Inteligencia de Negocio de manera satisfactoria, a punto tal de
haber arribado a una solución profesional a un costo de inversión conveniente para la
organización. Como consecuencia de ello, se comprobó que este producto tiene la
capacidad suficiente, la infraestructura y la robustez necesaria para ser usada
perfectamente en ámbitos productivos donde las exigencias son mayores. Esto le
permite a Pentaho posicionarse sin dudas como una excelente alternativa en materia de
Inteligencia de Negocio. A partir de los resultados obtenidos en este trabajo, es posible
afirmar que con una decisión segura de invertir en Inteligencia de Negocio y la
utilización de productos de Uso Libre, como las ofrecidas por la empresa Pentaho,
organizaciones chicas y medianas podrán desarrollar, favorablemente, soluciones
Business Intelligence para mejorar su competitividad.
Finalmente, es importante mencionar que el empleo de la metodología Hefesto, tuvo un
impacto positivo sobre el proyecto, por permitir reducir los tiempos utilizados en el
Diseño y la Implementación del almacén de datos. Por otra parte, permitió registrar y
documentar cada una de las etapas del proyecto y generar, al mismo tiempo, el manual
del sistema. Esta metodología fue de gran utilidad durante todo el proyecto y se
convirtió en unos de los factores de éxito más importante para este trabajo. Se espera
que muchos desarrolladores puedan acceder y difundir, cada vez más, nuevas
experiencias alcanzadas con el empleo de Hefesto para construir sus propios Data
Warehouse.
Gracias a la colaboración y la confianza aportada por todo el personal, tanto gerencial
como operativo de Magneti Marrelli y el empeño dedicado hacia un objetivo claramente
definido y compartido por todos los miembros, se logró aplicar una solución de alto
nivel que significa un gran esfuerzo orientado a una búsqueda profesional
completamente lograda en este trabajo de investigación y desarrollo.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 206
Limitaciones encontradas
Respecto de la tecnología empleada, podríamos encontrar que el producto Pentaho,
presenta ciertos problemas que, definitivamente, afectaron el desarrollo normal este
trabajo, y desviaron, en cierta medida, el camino de investigación principal. Durante la
etapa de implementación del sistema BI, surgieron imprevistos que demoraron el
proyecto. Cada inconveniente encontrado, tuvo que ser atendido y resuelto con
muchísima dedicación, invirtiendo gran esfuerzo por parte del desarrollador. Sea por
falta de documentación o falta de esclarecimiento sobre el verdadero problema, se
invirtió mucho tiempo en resolver los incidentes que aparecían principalmente con la
conexión de la plataforma Pentaho hacia la base de datos. Estos errores fueron difíciles
de solucionar y dieron lugar a comportamientos impredecibles de la aplicación. Entre
las dificultades principales se identificaron problemas con el driver utilizado, con el
tiempo de timeout de conexión a la base de datos, con la cache de primer nivel de la
plataforma Pentaho, entre otros. Ciertamente estos problemas fueron resueltos a prueba
y error siguiendo el consejo que otros usuarios publicaban en la Web. Se podría
establecer, a este manifiesto, como una clara limitación de la plataforma. En base a la
experiencia adquirida en esta tesis opino que es, en gran medida, inadmisible que un
grupo de desarrolles, que utiliza la configuración por defecto de la herramienta y emplea
una base de datos tan común como es Mysql, deba encontrar impedimentos tan grandes
a la hora de configurar la herramienta, a punto tal, de enfrentarse con inconvenientes
que aumentan directamente el riesgo del proyecto.
Además de ello, se encontró en Pentaho otra limitación significativa. Durante la
implementación del sistema fue necesario emplear la herramienta Pentaho Design
Studio para construir parte del Panel de Gestión. Esta herramienta está basada en la IDE
de Eclipse, la cual lleva instalado un complemento que permite el desarrollo de los
componentes Xaction. Las Xactions son unidades de procesamiento que realizan una
acción genérica sobre la plataforma Pentaho y son propias de esta herramienta. Las
mismas permiten realizar una extensa variedad de opciones y, entre muchas otras cosas,
son utilizadas para extraer la información del Data Warehouse que se mostrará al
usuario. Resultó que el trabajo de desarrollo de estos componentes se volvió una tarea
muy complicada y dio bastantes disgustos al momento de tratar con ellos. Se encontró
un vacío muy grande que impidió poder generar fluidamente estos elementos, ya que
Pentaho, no brinda ningún soporte ni herramienta para trabajar profesionalmente con la
ejecución de estos Xaction, tal como se requiere al momento de la implementación.
Sólo se ofrece la IDE, Pentaho Design Studio, que facilita la creación de los Xaction
pero no ayuda demasiado durante la ejecución de estas acciones. Pentaho tampoco
sugiere un método alternativo que sea práctico para llevar a cabo esta tarea. Sin dudas
que, de encontrar una herramienta que permitiera depurar los componentes
mencionados, se facilitará completamente la labor del desarrollador.
Por último, no quiero dejar de mencionar que la plataforma tiene serios problemas con
el manejo de los caracteres especiales. Es sorprendente encontrar tantos inconveneintes
para mostrar caracteres de uso tan común, como son los acentos. Este impedimento
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 207
genera gran frustración para el equipo de desarrollo, obligandolos generealmente, a
desistir del uso de ellos.
Nuevos Caminos de Investigación
Durante el desarrollo del Panel de Gestión se emplearon diversas tecnologías que debían
interactuar entre ellas para producir las visualizaciones deseadas. Algunas de estas
pertenecen al paquete Pentaho, mientras que otras, fueron instaladas manualmente. Una
de las tecnologías mencionadas es AmCharts. Esta fue utilizada para representar los
datos en forma gráfica dentro de la página web. Por otro lado, se utilizó el Community
Dashboard Framework para coordinar la comunicación entre los componentes y guiar el
flujo del programa dentro de la misma página. El framework AmCharts consiste en un
conjunto de librerías desarrolladas con Adobe Flash que permite manipular los datos y
mostrarlos en pantalla. Es interesante mencionar que el desarrollo de las aplicaciones
Flash, no es del todo estructurado. A pesar de funcionar muy bien, está siendo
reemplazado por la tecnología Adobe Flex, provista por la misma empresa. A diferencia
de Flash, éste es Orientado a Objetos y por lo tanto, tiene una filosofía de trabajo de
mayor nivel para el desarrollo. Cabe mencionar que AmCharts ya ofrece las librerías
para trabajar directamente con componentes Flex pero aún no se justifica emplearlas
simplemente porque el resultado final es el mismo. No obstante, sería de gran valor
desarrollar íntegramente el Panel de Gestión bajo este lenguaje, aprovechando la
existencia de todos componentes listos para ser utilizados. Para realizar este cambio,
habría que reemplazar completamente a CDF (Community Dashboard Framework)
provisto por Pentaho por un modelo desarrollado íntegramente en Flex. Es importante
distinguir, que CDF es una tecnología muy estable, muy completa y además brinda un
servicio muy bueno pero cuenta con una dinámica de trabajo muy rígida y una
visualización de componentes muy pobre.
Tras la realización de este trabajo de tesis, mi apreciación profesional, es que Pentaho
está equivocando la dirección hacia donde debe ir el proyecto en lo que respecta a la
capa de presentación de la plataforma. La razón, es la utilización de una tecnología
conceptualmente obsoleta. En contraste a ello, se sugiere como continuación de este
proyecto, una nueva línea de investigación y desarrollo para construir una
infraestructura de representación y visualización basada completamente en una moderna
tecnología, como es Adobe Flex. Dicha implementación podrá seguramente brindar
resultados superadores, visualizaciones de gran impacto y un método de desarrollo muy
predecible y estructurado. Combinándose con Xaction, Flex permitirá estructurar la
información en objetos, gestionar los eventos de los usuarios y, finalmente, producir una
experiencia extraordinaria para el cliente.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 208
REFERENCIA BIBLIOGRÁFICA
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 209
RAMO, Jorge Israel (2010): Gestión del Conocimiento y Tic´s. Disponible en:
http://www.slideshare.net/pablosky21/tics-solemne-i-gestin-del-conocimiento-y-tics.
Consultado: 01/10/2010.
GARRILLO, María Daniela; QUIMBAYO, María Isabel; Vargas, Paula Marcela
(2008): Gestión del Conocimiento. Universidad Central de Venezuela. CEAP. Caracas,
Venezuela. Disponible en: http://www.slideshare.net/guest69f3c3/gerencia-del-
conocimiento. Consultado: 01/10/10.
CARRASCO ARROYO, Salvador (2006): Medir la cultura: Una tarea inacabada.
Universidad de Valencia. Departamento de Economía Aplicada. Valencia, España.
Disponible en: http://www.uv.es/carrascs/PDF/medir%20la%20cultura.pdf. Consultado:
05/11/2009.
MORA VENEGAS, Carlos (2009): La relevancia y el alcance de la Gestión del
Conocimiento. Disponible en: http://www.gestiopolis.com/administracion-
estrategia/relevancia-y-alcance-de-la-gestion-del-conocimiento.htm. Consultado:
06/11/2010.
SANCHEZ AMBRIZ, Gerardo (2009): El desarrollo organizacional. Una estrategia de
cambio para las instituciones documentales. Disponible en:
http://redalyc.uaemex.mx/src/inicio/ArtPdfRed.jsp?iCve=63511932013. Consultado:
20/05/1011.
HERNÁNDEZ FERNÁNDEZ, Lissette (2003). Conocimiento, cambio y
transformación organizacional. Universidad de Zulia. Venezuela. Disponible en:
http://redalyc.uaemex.mx/src/inicio/ArtPdfRed.jsp?iCve=73711580001. Consultado:
16/02/2009.
PÉREZ PÉREZ, Lilier; PALOMINO MARIÑO, Laura M. (2008). Gestión del
Conocimiento y tendencias actuales. Disponible en:
http://www.monografias.com/trabajos-pdf2/gestion-conocimiento-tendencias-
actuales/gestion-conocimiento-tendencias-actuales.pdf. Consultado: 05/10/2009.
AGUIRRE Y HERNÁNDEZ, Fernando (2010). Inteligencia de Negocios. Instituto
Tecnológico de Orizaba. División de Estudios de Posgrado e Investigación. Disponible
en: http://es.scribd.com/AERO007/d/39148762-INTELIGENCIA-DE-NEGOCIOS.
Consultado: 08/05/2011.
MESTIZO GUTIÉRREZ Sonia Lilia; GUERRA HERNÁNDEZ, Alejandro; PARRA
LOERA, Ramón (2008). Desarrollo de un Centro de Ayuda Inteligente mediante el uso
de Tecnolog´ıas de Internet. Veracruz México. Disponible en:
http://www.uv.mx/aguerra/documents/2008-mestizo.pdf. Consultado: 06/12/2010.
PEÑA RIVERA, Juan David; SUÁREZ DAZA, Jesús Armando (2005). Utilización de
Información Histórica para Decisiones Empresariales. Pontificia Universidad Javeriana.
Facultad de Ingeniería. Santa Fe de Bogotá D.C. Disponible en:
http://www.javeriana.edu.co/biblos/tesis/ingenieria/Tesis204.pdf. Consultado:
16/0/2010.
MAGALLANES UDOVICICH, Ricardo Nahuel.
Inteligencia de Negocio aplicada en la Gestión de Producción.
Ingeniería en Sistemas - Instituto Universitario Aeronáutico.
Todos los derechos de propiedad intelectual son del autor. Se autoriza la publicación de este documento con
fines didácticos. Magallanes Udovicich Ricardo Nahuel ©2012.
pág. 210
LUNA POZO, Marta (2010). Desarrollo y explotación de indicadores de gestión. Un
caso de estudio en el contexto de un ERP. Valencia. Disponible en:
http://riunet.upv.es/bitstream/handle/10251/8624/PFC.pdf. Consultado 15/04/2011.
SANZ RODRÍGUEZ, Javier (2010). Evaluación apriorística de la reusabilidad de
objetos de aprendizaje. Universidad de Alcalá de Henares. Disponible en:
http://dspace.uah.es/jspui/bitstream/10017/8715/1/Evaluaci%C3%B3n%20aprior%C3%
ADstica%20de%20la%20reusabilidad%20de%20los%20objetos%20de%20aprendizaje.
pdf. Consultado: 05/06/2011.
FIGUEROA GONZÁLEZ, Jessica (2007). Implementación de un almacén de datos para
una base de datos DB2 usando instrucciones SQL: Una solución ROLAP. Universidad
Católica del Maule. Facultad de Ciencias de la Ingeniería. Disponible en:
http://www.ganimides.ucm.cl/aurrutia/doc_pdf/Seminario_Jessica_Figueroa.pdf.
Consultado: 14/05/2009.
CHINCHILLA ARLEY, Ricardo (2011). Mercado de Datos: Conceptos y Metodologías
de Desarrollo. Instituto Tecnológico de Costa Rica. Disponible en:
http://www.tec.ac.cr/sitios/Vicerrectoria/vie/editorial_tecnologica/Revista_Tecnologia_
Marcha/pdf/tecnologia_marcha_24-3/TM%2024-3%20art%206.pdf. Consultado:
20/11/2011.
TAMAYO, Marysol; MORENO, Francisco Javier. Análisis del Modelo de
Almacenamiento MOLAP frente al Modelo de Almacenamiento ROLAP. Universidad
Nacional de Colombia. Ingeniería e Investigación. Bogotá Colombia. Disponible en:
http://redalyc.uaemex.mx/pdf/643/64326317.pdf. Consultado: 08/06/2009.
ROJAS, Mariana Isabel (2009). Monografía de Adscripción: Data Warehouse.
Universidad Nacional del Nordeste. Facultad de Ciencias Exactas, Naturales y
Agrimensura. Corrientes, Argentina. Disponible en:
http://exa.unne.edu.ar/depar/areas/informatica/SistemasOperativos/MonoAdsDiseno.pdf
. Consultado: 16/05/2010.
BERNABEU, Ricardo Dario, (2010). Hefesto: Metodología para la Construcción de un
Data Warehouse. Córdoba, Argentina. Disponible en:
http://es.scribd.com/doc/49131495/HEFESTO-V2-0. Consultado: 11/10/2010
LOOR DÍAZ, Luis Enrique (2006). Agrupación Automática de Descripciones de
Productos. Escuela Superior Politécnica del Litoral. Facultad de Ingeniería en
Estadística Informática. Disponible en: http://www.google.com.ar/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0CCIQFjAA&url=http%3A%2F%2Fwww.dspace.espol.edu.ec%2Fbitstream%2F123456789%2F5832%2F2%2Ftesis_final.doc&ei=fo1_T-q4NYKs8QShxsy1Bw&usg=AFQjCNHTKbtADb6k4-
WcqaNhgVmLp3WGyA. Consultado: 16/09/2011.
VALLEJOS, Sofía J (2006). Trabajo de Adscripción. Minería de Datos. Universidad
Nacional del Nordeste. Facultad de Ciencias Exactas, Naturales y Agrimensura.
Corrientes, Argentina. Disponible en:
http://exa.unne.edu.ar/depar/areas/informatica/SistemasOperativos/Mineria_Datos_Vall
ejos.pdf. Consultado: 13/05/2009.