Operaciones · BI · Automatización · IA aplicada

Convierto operación en decisiones con datos, tableros y modelos inteligentes.

Integro procesos de manufactura con analítica: estandarización, KPIs, ETL y dashboards. A futuro, construyo modelos de inteligencia para pronóstico, optimización y detección de anomalías.

Lean Logistics
Power BI
Excel
Python
Base de datos
Power Apps
Power Automate
Microsoft Flow
Enfoque Impacto medible: tiempos, costos, capacidad, servicio y calidad del dato.
Cómo trabajo Diagnóstico → métricas → estándar → automatización → control visual.
Prioridad Tableros accionables + datos confiables + modelos útiles.

Sobre mí

Conecto operación y analítica: estructuro procesos, los hago medibles y construyo rutinas de control para sostener resultados.

Intereses: Manufactura, logística, mejora continua, BI, Ciencia de datos, automatización e IA aplicada.

Lo que me gusta

  • Reducir desperdicios y tiempos muertos en operación.
  • Crear tableros con KPIs que guíen decisiones.
  • Automatizar tareas repetitivas.
  • Diseñar soluciones simples, mantenibles y escalables.

Cómo aporto valor

  • KPIs + rutinas Tier (seguimiento y escalamiento).
  • Optimización de recursos: presupuesto, transporte, personal, capacidad de almacenamiento.
  • ETL: Excel → Base de datos → Dashboard.
  • Documentación y estandarización.

Habilidades

Business Intelligence

  • Modelado de datos y medidas.
  • Dashboards ejecutivos y operativos (KPIs, tendencias, alertas).
  • Storytelling con datos para decisión gerencial.

Operaciones & Lean

  • VSM, identificación de cuellos de botella.
  • Estándares operativos y control de cumplimiento.
  • Mejora de recepción/abastecimiento/despacho.

Automatización & Datos

  • Excel avanzado y plantillas operativas.
  • Python: ETL, apps (Streamlit), integración con bases de datos.
  • Diseño de modelos de datos.

Optimización de programación de transporte

Ajuste de programación considerando restricciones de muelles, ocupación y disponibilidad de personal, con seguimiento por KPIs.

CostosCapacidadKPIs

Resultado: control operativo y reducción de variabilidad.

Dashboard logístico (Power BI)

Consolidación de indicadores para seguimiento semanal y rutinas diarias, con foco en productividad, servicio y riesgos operativos.

Power BIDAXOperación

Resultado: decisiones más rápidas con una fuente única.

ETL Excel → SQL

Estandarización y carga de reportes a base de datos para análisis, trazabilidad y escalabilidad.

PythonMySQLETL

Automatización de reportes

Generación y envío de reportes periódicos, control de cambios y reducción de tareas manuales.

AutomatizaciónCalidad de datoControl

IA aplicada (Roadmap de modelos)

Vitrina de modelos que construiré para operación logística. Cada uno incluye: Estado, Métrica objetivo y Datos requeridos.

MVP

Pronóstico de demanda de transporte

Predice estibas/pallets por turno y recomienda vehículos mínimos según capacidad y restricciones.

  • Forecast por turno (T1/T2/T3) y planta.
  • Recomendación de vehículos por capacidad.
Estado: Diseño del dataset y variables.
Métrica objetivo: MAPE por turno ≤ 12% (referencia inicial).
Datos requeridos: Producción, OEE, histórico de despachos, calendario, restricciones de muelles.
MVP

Detección de anomalías operativas

Alertas automáticas cuando un KPI se comporta fuera de patrón (tiempos muertos, esperas, ocupación).

  • Alertas por desviación vs patrón histórico.
  • Priorización para escalamiento Tier 2.
Estado: Definición de KPIs y umbrales.
Métrica objetivo: Reducir "tiempos muertos" ≥ 10% en 8 semanas (meta operativa).
Datos requeridos: KPIs diarios/turno, eventos, ocupación, tiempos de espera, incidencias.

Optimización de asignación (PuLP)

Modelo matemático para decidir programación de vehículos, viajes y prioridades por restricción.

  • Minimiza costo / maximiza servicio.
  • Entrega plan diario/semanal.
Estado: Modelo conceptual (restricciones y función objetivo).
Métrica objetivo: Reducción de costo logístico 5–8% (dependiendo del baseline).
Datos requeridos: Capacidades, ventanas, SLA, disponibilidad, tiempos, rutas, prioridades.

Clasificación de incidentes y paradas

Estandariza causas (texto libre → categorías) para acelerar RCA y mejorar calidad del dato.

  • Clasificación por categoría 6M.
  • Sugerencia de "5 Porqués" guiado.
Estado: Definición de taxonomía y etiquetas.
Métrica objetivo: Precisión ≥ 80% en top-10 categorías.
Datos requeridos: Histórico de novedades, categorías validadas, diccionario de términos.
Futuro

Visión artificial: ocupación de muelles

Detección por cámara (OpenCV) del estado del muelle: libre/ocupado/manipulación.

  • Registro automático de tiempos.
  • Alertas por bloqueo prolongado.
Estado: Piloto (prototipo) y definición de métricas.
Métrica objetivo: Exactitud ≥ 90% en detección libre/ocupado.
Datos requeridos: Video etiquetado, cámaras, condiciones de luz, eventos de verdad-terreno.
Futuro

Asistente operativo (chat interno)

Asistente para consultar KPIs, SOPs y reportes (con permisos y trazabilidad).

  • Respuestas con fuentes y reglas.
  • Integración con dashboards y BD.
Estado: Diseño de arquitectura (permisos y fuentes).
Métrica objetivo: Reducir tiempo de consulta operativa ≥ 30%.
Datos requeridos: SOPs, KPIs, catálogos, políticas, RBAC (roles).

Cuando el primer modelo esté listo, agregaremos una sección "Resultados" con comparativo antes/después, métricas y evidencia operativa.

Contacto

Si quieres hablar de mejora de procesos, BI o automatización, me puedes contactar aquí:

© Jonnathan Smith Pino Samboni
Hecho en HTML + CSS