Modelos predictivos basados en técnicas de aprendizaje de máquinas para el análisis de procesos de desgaste en neumáticos de camiones mineros

Abstract

Los neumáticos de camiones de extracción (CAEX) son propensos a fallar inesperadamente, inhabilitando por completo el camión afectado. La infraestructura actual de la minera en estudio establece realizar inspecciones preventivas a intervalos no especificados de todos los neumáticos de la flota, las que implican altos costos en horas hombre. Optimizaciones respecto de cantidad de inspecciones y decisiones tomadas en cuanto a neumáticos de CAEX se hacen necesarias de implementar. Además, la disponibilidad de extensos sets de datos de inspecciones y variables operativas de neumáticos de la minera, vuelve atractiva la propuesta de buscar soluciones que aprovechen la basta base de conocimiento ya compilada. Se propone el desarrollo de un sistema de monitoreo, donde el objetivo inicial y que valida la solución, es obtener un modelo capaz de predecir el desgaste de caucho ocurrido en los hombros del neumático desde la última inspección realizada. Mediante técnicas de aprendizaje de máquinas, en particular árboles de decisión, se crean tres módulos de dos etapas que conforman el modelo computacional. Se obtiene un modelo predictivo capaz de estimar el desgaste experimentado por los neumáticos en estudio, a partir de los datos de operación comprendidos en el intervalo última inspección-actualidad y registros históricos, con errores menores a 5 [mm] en 60 mil kilómetros recorridos y un MSE general de 1.44. Se logra entonces desarrollar un modelo predictivo que recoge la fenomenología subyacente de la minera en cuestión y permite monitorear el desgaste ocurrido en neumáticos de CAEX, lo que a su vez dispone una base para futuros estudios de optimización del uso de neumáticos en operaciones mineras.