Metodología para el diagnóstico y pronóstico de fallas en el motor de tracción de equipos de transporte de material minero

Abstract

Este trabajo de tesis fue realizado en el marco del proyecto de la Dirección de Tecnología de Komatsu, consistente en el diagnóstico y pronóstico de fallas para el motor de tracción de los equipos de transporte de material minero, Komatsu 960E. El modo de falla que se estudia es la fisura, ruptura y posterior falla catastrófica por desgaste cíclico del perno pasador del eje de giro del piñón, componente que forma parte del sistema planetario del motor. De esta forma, y tomando en cuenta el grado de severidad operacional que se desarrolla en faena, se estima el valor de vida útil remanente para el componente en cuestión, lo que permite establecer mantenimiento predictivo basado en la condición (CBM). Actualmente, con la convergencia y conectividad de sistemas, como por ejemplo, el internet de las cosas (IoT), la obtención de datos sobre procesos de diversa índole, posee una mayor cobertura producto de la disponibilidad y utilización de múltiples sensores. Además, la utilización de plataformas de computo distribuidas con acceso mediante internet, denominadas comúnmente nube, permite procesar con mayor facilidad esta gran cantidad de datos que se genera constantemente, obteniendo así, un flujo de datos desde los equipos a la nube, lo que permite obtener información sobre los procesos. Este escenario es propicio para generar políticas de mantenimiento basados en la condición y disminuir costos debido a fallas imprevistas o mantenimientos realizados sin ser necesarios. La metodología consistió en obtener datos operacionales de equipos en faena, y junto a antecedentes de análisis de causa raíz del modo de falla, utilizar las variables monitoreadas que se relacionan con el desgaste cíclico del componente. Esto permitió definir métricas de daño acumulado. Posteriormente, analizando el comportamiento típico se construyó una cadena de Markov, la cual se utilizó para estimar el valor futuro de daño asociado al componente. De esta forma, se concluyó un método para estimar la vida remanente del componente basados en los historiales de falla, junto a estimaciones de desgaste operacional que indican el nivel de daño acumulado estimado. Se obtuvo como resultado el acierto en el pronóstico de falla para un equipo, con un rango de tiempo de falla de una semana y aproximadamente un mes de anticipación mediante simulaciones, luego de analizar y comparar 4 métricas de daño sobre el componente en cuestión. Para el resto de los equipos, se planteó el pronóstico de falla para la última fecha de obtención de datos. Dado que cada vez es más frecuente obtener la realimentación de todos los equipos operando en una planta, esta metodología supone un gran punto de partida para estimar y obtener indicios del estado de componentes, muchas veces modelados como caja negra, utilizando herramientas de aprendizaje de máquinas sobre datos masivos, constituidos por las mediciones de los equipos en faena.