República Bolivariana de Venezuela
Ministerio del Poder Popular para la Educación Superior Universitaria
Universidad Politécnica Territorial José Antonio Anzoátegui
El Tigre, Estado Anzoátegui
PNF: Mantenimiento
Unidad Curricular: Estadística Aplicada
Sección: MM01
ESTUDIO DE VARIABLES PARA EL ANÁLISIS DE
DATOS ESTADISTICOS
Profesora: Integrantes:
ING. Annys Silva Moreno Ambar C.I.:21.327.300
Golindano Darwin. C.I.:15.376.404
Javier Malavé C.I: 12.680.969
Wilmer Vásquez C.I.:13.377.463
Fary Martínez C.I.:13.177.560
El tigre, 02 de marzo de 2026
INDICE
Introducción 3
Definición 4
Aplicación y ejecución 4
Estudio de las variables, registros, recodificación 4
Vista de datos descriptivos y gráficos 6
Aplicación de casos prácticos 7
Conclusión 10
Bibliografía 11
2
INTRODUCCION
El presente análisis utiliza un enfoque de métodos mixtos para examinar el
fenómeno de estudio, permitiendo una comprensión profunda de las variables medidas
y los conceptos observados. Para este proceso, se emplea la plataforma IBM SPSS, una
herramienta líder en la gestión de grandes volúmenes de datos brutos que facilita desde
el procesamiento básico hasta modelos estadísticos avanzados.
Este se basa usando y analizando a través del análisis cuantitativo donde se centra en
datos numéricos objetivos obtenidos mediante encuestas o registros. Utilizando la vista
de variables para ejecutar pruebas estadísticas robustas, análisis de frecuencias y
modelos de regresión que permitan identificar patrones y tendencias, sumando el análisis
cualitativo el cual permite el tratamiento de datos categóricos y etiquetas para
transformar categorías textuales o respuestas abiertas en variables manejables que
puedan ser representadas mediante gráficos de barras o tablas de contingencia,
facilitando la interpretación de cualidades y experiencias.
Este marco analítico busca no solo describir la realidad observada, sino también
proporcionar un modelo predictivo que respalde la toma de decisiones basada en
evidencia sólida.
3
El mantenimiento de análisis estadísticos en IBM SPSS Statistics implica
automatizar el flujo de trabajo (cuantitativo/cualitativo) mediante sintaxis (.sps),
garantizando la integridad de los datos, actualizando variables y programando tareas
recurrentes para análisis descriptivos, inferenciales y modelos predictivos. Se optimiza
mediante la gestión de datos, transformación de variables y automatización de reportes.
El análisis de datos estadísticos en mantenimiento utilizando SPSS (o similar, PSPP)
implica recolectar y procesar datos cualitativos (tipo de fallo) y cuantitativos (tiempos)
para mejorar la disponibilidad de equipos. Incluye definir variables, limpiar datos
(recodificar), y generar descriptivos/gráficos (frecuencias, medias, Histogramas) para
tomar decisiones.
El análisis de datos estadísticos es la recopilación, organización, interpretación y
presentación de datos para descubrir patrones o tendencias, utilizando herramientas
como SPSS/PSPP.
Su aplicación en Mantenimiento se basa como una Herramienta objetiva para medir
la disponibilidad, confiabilidad y mantenibilidad, facilitando la toma de decisiones sobre
equipos operativos o fuera de servicio.
Estudio de las Variables, Registros y Recodificación
1. Variables: En la "Vista de Variables" de SPSS, se definen variables cualitativas
(Ej.: Tipo Falla: Nominal) y cuantitativas (Ej.: Tiempo_Reparacion: Escala).
En SPSS, la Vista de Variables es el "cerebro" del archivo. Para un estudio de
mantenimiento, es vital distinguir no solo el tipo, sino el Nivel de Medida:
• Variables Cualitativas (Categorías):
o Nominales: No tienen un orden intrínseco
(Ej: Tipo_Falla, ID_Tecnico, Ubicación_Planta).
o Ordinales: Tienen una jerarquía lógica (Ej: Prioridad_Mantenimiento: Alta,
Media, Baja).
• Variables Cuantitativas (Métricas):
o Escala: Valores numéricos reales donde las distancias entre números
tienen significado
(Ej: Tiempo_Reparacion, Costo_Repuesto, Horas_Hombre).
2. Registros: Introducción de datos en la "Vista de Datos", donde cada fila es un
evento de mantenimiento y cada columna una variable.
4
Registros (Matriz de Datos)
La Vista de Datos es donde ocurre la transcripción. Es fundamental mantener
la integridad de la fila:
• Fila (Caso): Representa una orden de trabajo (OT) o un evento de falla único.
• Columna (Variable): Representa un atributo específico de ese evento.
3. Recodificación: Uso de Transformar > Recodificar para agrupar datos (ej:
convertir tiempos continuos en categorías "Bajo", "Medio", "Alto" o cambiar
códigos numéricos de fallas por etiquetas de texto).
Recodificación (Transformación de Datos) Esta es la herramienta más potente para
simplificar el análisis de datos complejos.
Acción Menú en SPSS Ejemplo Práctico
Agrupar Recodificar en Convertir Minutos en categorías: < 30(Rápido), 30-
Rangos distintas variables 90 (Estándar), >90 (Crítico).
Limpiar Recodificar en las Unificar criterios de entrada, como cambiar "falla_m" y
Códigos mismas variables "Falla-M" por un solo código numérico.
Aplicación Estadística
Una vez que tengas esto listo, podrías aplicar fórmulas de fiabilidad. Por ejemplo, para
calcular el Tiempo Medio Entre Fallas (MTBF), usarías:
Ejemplo: Para el diseño de una tabla orientada al mantenimiento de un Compresor
Industrial en SPSS, es fundamental capturar tanto variables de identificación como
métricas de rendimiento.
Propuesta de una estructura técnica en la Vista de Variables:
5
En un estudio de compresores, una de las transformaciones más útiles es categorizar
el Tiempo de Reparación (MTTR) para identificar ineficiencias:
1. Variable Original: Tiempo_Minutos (Continuo).
2. Nueva Variable: Rango_Intervencion (Categorizada).
a. Bajo (<60 min): Mantenimiento preventivo o ajuste menor.
b. Medio (60-180 min): Cambio de componentes estándar (filtros, correas).
c. Alto (>180min): Reparación mayor o falla crítica del cabezal.
Aplicación: Vista de Datos
Así es como se verían los Registros después de introducir la información de tres eventos
distintos:
ID_Equipo Tipo_Falla Horas_Uso Presion_PSI Costo_Mant
COMP-01 1 (Mecánica) 4500 110 $150
COMP-02 3 (Fuga) 1200 85 $45
6
COMP-01 2 (Eléctrica) 4850 0 $320.
Vista de Datos Descriptivos y Gráficos
• Descriptivos: Uso de Analizar > Estadísticos Descriptivos (Frecuencias para
cualitativas, Descriptivos/Explorar para medias/desviaciones estándar
cuantitativas).
• Gráficos: Creación de gráficos de barras o sectores (cualitativas) e histogramas
o diagramas de caja (cuantitativas) para visualizar la distribución y detectar
valores atípicos.
Mantenimiento Correctivo (Análisis de Fallas)
En el mantenimiento correctivo, el objetivo es identificar qué componentes fallan
más y cuánto nos cuesta reaccionar.
❖ Variable Cualitativa: Tipo_de_Falla (Eléctrica, Mecánica, Hidráulica,
Software).
o Acción en SPSS: Frecuencias + Gráfico de Sectores.
o Ejemplo Práctico: Al generar un gráfico de sectores, descubres que
el 65% de las paradas no planificadas son de origen "Eléctrico". Esto
justifica una revisión inmediata de los sistemas de aislamiento.
❖ Variable Cuantitativa: MTTR (Tiempo Medio de Reparación en horas).
o Acción en SPSS: Explorar + Diagrama de Caja (Box-plot).
o Ejemplo Práctico: El Box-plot muestra un valor atípico (un "outlier" marcado
como caso #42) que tardó 48 horas en repararse cuando el promedio es
de 3 horas. Al investigar ese dato, descubres que el retraso fue por falta de
stock del repuesto, no por la complejidad técnica.
Mantenimiento Preventivo (Cumplimiento y Programación)
• Variable Cualitativa: Estado_Tarea (Completada, Pendiente, Cancelada).
o Acción en SPSS: Frecuencias + Gráfico de Barras.
o Ejemplo Práctico: Un gráfico de barras comparativo muestra que en el
departamento "Planta A" las tareas "Pendientes" superan a las
"Completadas", indicando una sobrecarga de trabajo o falta de personal.
• Variable Cuantitativa: Horas_Hombre_Invertidas.
7
o Acción en SPSS: Descriptivos (Media y Desviación Estándar).
o Ejemplo Práctico: Si la media de tiempo para un cambio de aceite es de 40
min con una desviación estándar de 2 min, el proceso es estable. Si la
desviación fuera de 25 min, indicaría que los técnicos no están siguiendo
el mismo procedimiento estándar.
❖ Mantenimiento Predictivo (Análisis de Condición)
El mantenimiento predictivo se basa casi totalmente en datos cuantitativos de sensores
para anticipar la falla.
• Variable Cuantitativa: Vibración_mm_s o Temperatura_C.
o Acción en SPSS: Explorar + Histograma.
o Ejemplo Práctico: Al graficar el histograma de temperatura de un motor,
observas que la distribución se desplaza hacia la derecha (valores altos)
respecto al mes pasado. Aunque no ha fallado, la estadística indica que el
activo está operando fuera de su "zona de control".
• Variable Cualitativa: Criticidad_Activo (Alta, Media, Baja).
o Acción en SPSS: Tablas Cruzadas (Crosstabs).
o Ejemplo Práctico: Cruzas Criticidad con Frecuencia_de_Alarma. Si los
activos de "Alta Criticidad" tienen pocas alarmas pero los de "Baja" tienen
muchas, podrías estar desperdiciando recursos de monitoreo en máquinas
poco importantes.
8
Caso Práctico: Análisis de Mantenimiento
• Objetivo: Analizar tiempos de inactividad (MTTR) y causas de falla.
• Datos: 50 registros de "Tiempo de Reparación" (minutos) y "Sistema Fallado"
(Motor, Eléctrico, Hidráulico).
• Ejecución:
1. Cualitativo: Tabla de frecuencias de "Sistema Fallado". Resultado: 60%
Motores.
2. Cuantitativo: Calcular la media y desviación estándar de "Tiempo de
Reparación".
3. Gráfico: Histograma de tiempos para ver si hay una alta frecuencia de
reparaciones cortas o largas.
Acción: Recodificar el tiempo para crear una variable "Criticidad" (Tiempo > 120 min
= Crítico) y usarla para priorizar el mantenimiento preventivo en el sistema eléctrico
9
CONCLUSIÓN
La aplicación de SPSS a los datos de mantenimiento (correctivo, preventivo y
predictivo) revela una correlación directa entre la naturaleza de las fallas y la eficiencia
operativa. Mientras que los histogramas permitieron establecer los límites de control para
variables críticas de monitoreo, el análisis cualitativo de las causas raíz identifica las
áreas donde la capacitación técnica es urgente. En definitiva, el uso de un software
transforma el registro histórico en una herramienta prospectiva, permitiendo una
transición de una cultura de reacción a una de prevención estratégica basada en datos.
10
BIBLIOGRAFIA
▪ [Link]
uipos+
▪ [Link]
▪ [Link]
▪ [Link]
Recodificación
▪ [Link]
11