Métodos de pronóstico de fallas en motores diésel de camiones mineros en base a indicadores de degradación probabilísticos

Abstract

En la minería el control de los tiempos de mantenimiento preventivo es crítico para la gestión de los costos. La disponibilidad de datos en la operación a partir de mantenimientos y sensores con datos en tiempo real, motiva la generación de análisis y estimaciones para la gestión de activos. En esta tesis se desarrolla una metodología para determinar de forma probabilística el tiempo de falla del motor diésel de un conjunto de camiones mineros de extracción. Para ello se cuenta con información de la operación del motor en tiempo real a partir de sensores, análisis de laboratorio del aceite usado en la operación, y registros de fallas y mantenimientos programados. La metodología consiste en el tratamiento de los datos para la generación de algoritmos no supervisados de aprendizaje que permiten encontrar conjuntos de estados de operación, a los cuales se asocian a una tasa de desgaste a partir de la información en los análisis de laboratorio. Estos estados se utilizan para la estimación del tiempo de falla a partir de simulaciones del modelo de la operación utilizando filtros de partículas y la Cadena de Markov generada a partir de las transiciones histórica entre estados del camión.