Detección de anomalías en un proceso de carguío autónomo

Abstract

La automatización de la maquinaria dentro de la minería es una tendencia que ha cobrado mayor importancia con el transcurso del tiempo, principalmente por el ambiente peligroso e impredecible en el que deben ser manejadas, lo que genera una serie de riesgos para los operadores manuales de los equipos. Lo anterior sumado a los potenciales beneficios económicos por aumento del factor de utilización, reducción del desgaste de los componentes y operación eficiente de la máquina, hacen del concepto de la minería autónoma una promesa interesante. El objetivo de este trabajo es crear un detector de anomalías para el proceso de carguío autónomo de maquinaria minera, en donde la anomalía se define como la necesidad de impactar más de una vez contra la pila de recolección para llenar el balde del cargador. Para esto se utilizaron los datos de operación obtenidos de un cargador LHD utilizado en la minera 'San Gerónimo'. Debido a la complejidad física de estos sistemas, se utilizará un modelo no paramétrico para la modelación del proceso, el cual corresponde a un modelo basado en similitud (SBM de sus siglas en inglés). Se creará una metodología para obtener un modelo que contengan las variables explicativas del proceso y con el que se pueda generar una rutina de detección que avise al operario en caso de que las señales medidas mientras carga sean similares a las caracterizadas en el modelo SBM como anomalía. La metodología propuesta en este trabajo fue probada con los datos obtenidos en la minera, con los cuales se obtuvo un error de un 7,5% en la detección de carguíos anómalos. También se probó la metodología con datos de carguío manual, en donde un operador manejaba en la mina el cargador de forma remota. En este caso los resultados no fueron tan positivos como en el caso autónomo, en donde se consiguió que el detector errara en promedio un 23,3% de las veces que fue probado. Como principales conclusiones, se verifica el uso de modelos no paramétricos para la caracterización de procesos multivariables, sin embargo la metodología desarrollada sólo es aplicable a la maquinaria estudiada. También se destaca la importancia de datos variados para la creación de los modelos, es decir, que contengan diferentes puntos de operación del proceso. En particular en el caso de los carguíos autónomos, existe una mayor complejidad para caracterizar el carguío, dado que se necesita recolectar los datos de muchos operarios para tener una matriz de entrada rica en información, no así en el caso autónomo donde el hecho de utilizar una secuencia programada reduce la cantidad de datos necesarios para la modelación.