Abstract

La tesis tiene como objetivo desarrollar un sistema inteligente para recolectar datos de las fallas de una flota de máquinas PC4000-6, que se encuentra operando en una instalación minera del Perú y, de esta manera, automatizar la clasificación de estas fallas de acuerdo con sus respectivos sistemas (hidráulico, eléctrico, motriz, mecánico, lubricación y refrigeración), con el fin de mejorar la gestión de los datos de las fallas de mantenimiento con la creación de planes de mantenimiento eficaces. Para ello, se realiza un estudio de la máquina PC4000-6 y se clasifica en sistemas, subsistemas y componentes bajo la norma ISO 14224:2016. En tanto, se procede a elaborar la data de entrenamiento, tomando como referencia la data histórica de fallas de la flota mientras que, para la clasificación automática de datos de fallas, se emplea un algoritmo de machine learning, denominado Clasificador de Naive Bayes Ingenuo, el cual se basa en el teorema estadístico de Naive Bayes. Asimismo, se desarrolla un aplicativo móvil que permite registrar los datos de fallas que ocurren en la flota de máquinas PC4000-6. Se concluye que el 80% de los problemas pertenecen a los sistemas hidráulico y eléctrico. Por consiguiente, se necesita prestar mayor atención a estos sistemas para mejorar la disponibilidad de la flota de máquinas PC4000-6.

Files in this item

Acerca del trabajo