Implementación de un Sistema de Analítica de Mantenimiento en Power BI a partir de Datos del CMMS Dimo Maint: Caso de Estudio en Fiberglass Colombia

Abstract

El presente proyecto tiene como propósito diseñar e implementar un sistema de analítica de mantenimiento en la herramienta Power BI, a partir de los datos registrados en el software de gestión de mantenimiento computarizado (CMMS) DIMO Maint, aplicado como caso de estudio en la empresa Fiberglass Colombia S.A.S. El objetivo principal es optimizar el análisis de información proveniente de las órdenes de trabajo, tiempos de reparación y costos de mantenimiento, con el fin de facilitar la toma de decisiones estratégicas y operativas. La metodología implementada se basó en la recopilación de datos históricos del sistema DIMO Maint, la estructuración de un modelo de datos y el diseño de dashboards interactivos que representan indicadores clave de desempeño (KPI) como MTBF (Mean Time Between Failures), MTTR (Mean Time To Repair). A través de este sistema, se logró consolidar la información dispersa en archivos planos, transformándola en un entorno visual y dinámico de fácil interpretación. Los resultados obtenidos demostraron que el uso de herramientas de inteligencia de negocios en mantenimiento permite aumentar la eficiencia en la gestión de activos, reducir los tiempos de análisis y mejorar la trazabilidad de los procesos.

The present project aims to design and implement a maintenance analytics system in the Power BI tool, based on the data recorded in the Computerized Maintenance Management System (CMMS) DIMO Maint, applied as a case study in the company Fiberglass Colombia S.A.S. The main objective is to optimize the analysis of information from work orders, repair times, and maintenance costs, to facilitate strategic and operational decision-making. The implemented methodology was based on the collection of historical data from the DIMO Maint system, the structuring of a data model, and the design of interactive dashboards that represent key performance indicators (KPIs) such as MTBF (Mean Time Between Failures) and MTTR (Mean Time To Repair). Through this system, it was possible to consolidate the dispersed information contained in flat files, transforming it into a visual and dynamic environment that is easy to interpret. The results obtained showed that the use of business intelligence tools in maintenance allows increasing efficiency in asset management, reducing analysis time, and improving process traceability.