Propuesta de un modelo de machine learning para pronóstico de fallas anticipada y de mantenimiento en equipo chancador primario Metso, operación mina Chuquicamata subterránea
Cargando...
Archivos
Fecha
2021
Autores
Profesor/a Guía
Facultad/escuela
Idioma
es
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Andrés Bello
Nombre de Curso
Licencia CC
Licencia CC
Resumen
La industria de la gran minería se encuentra investigando sobre nuevas tecnologías en
monitoreo de condiciones de los equipos de mayor demanda, para poder realizar modelos
predictivos capaces de determinar el momento en que dichos fallarán. Esto se realiza en el
contexto de evitar dentro lo posible, las mantenciones no programadas, puesto a que suelen ser
costosas en cuento al tiempo ocupado (tiempos muertos de los equipos e indisponibilidad) y en
cuanto a mantenciones (reemplazos y mantenciones caras para fallas inesperadas), lo que
finalmente resulta en una caída en la producción que se podría evitar con mantenciones
programadas.
En este contexto, la minera Chuquicamata Subterránea de CODELCO, se encuentra en la
búsqueda de modelos predictivos para evitar caídas en la producción por fallas inesperadas en
sus equipos principales: chancadores. El presente trabajo de título tiene por objetivo obtener un
modelo predictivo para determinar el intervalo de fallas, con la finalidad de poder gestionar de
manera más rentable la mantención del activo.
El modelo considera al chancador giratorio de la marca Metso Minerals, modelo MK-II Super
Spider, utilizando el registro histórico de fallas que servirá como datos de entrenamiento de
algoritmos de Machine Learning. El análisis predictivo del presente trabajo contemplará a un solo
modelo: clasificación de causa de falla.
Notas
Tesis (Ingeniero Civil Industrial)
Palabras clave
Industria Minera, Equipos y Accesorios, Mantenimiento y Reparación, Aprendizaje de Máquina, Modelo Predictivo