Rediseño al proceso de laminado del acero para aumentar la producción, incorporando un modelo predictivo de fallas para el mantenimiento del laminador en la acerera AZA

Abstract

Aza es una empresa acerera chilena que se funda en 1953. Esta empresa se dedica exclusivamente a la producción y elaboración de acero a partir del reciclaje de chatarra ferrosa. Es la principal empresa que fabrica acero sostenible con un modelo de negocio circular, mediante el cual se recolectan y reciclan más de 500 millones de kilogramos de chatarra al año, convirtiéndola, además, en la mayor recicladora del país y en la segunda productora de acero con una participación de mercado del 30%, entregando productos de barras, alambrones y perfiles de acero que son utilizados en construcción, industria y minería. El objetivo estratégico de la empresa es aumentar su participación de mercado, ya que el acero producido en Chile no es suficiente para la demanda que existe, donde la chatarra no es un impedimento para aumentar la producción. Dentro de sus procesos productivos se encuentra el laminado del acero, el cual consiste en deformar las barras de acero fundido para obtener sus diferentes productos. Este proceso tiene interrupciones por fallas y mantenciones, los cuales detienen la producción, generando pérdidas cercanas a los 1000 $MM. Actualmente las fallas son 90% correctivas y un 10% preventivas, mientras que las mantenciones son ejecutadas por ciertos intervalos de tiempo sin un estándar definido. Para minimizar las pérdidas y aumentar la producción se pretende rediseñar el proceso de laminado del acero, centrando el foco de las mantenciones en la utilización de los datos, provenientes de distintos sensores del proceso de laminado del acero, para generar un modelo predictivo de fallas, el cual pueda indicar con anticipación algún evento que pueda ocurrir, disminuyendo las interrupciones en el proceso de laminado y hacer más eficientes las mantenciones preventivas. Se trabaja en disponibilizar apoyo tecnológico para la utilización de los datos, implementando un prototipo de sistema de gestión que utilizara modelos de machine learning con datos similares a los que se obtendrán una vez implementado el apoyo tecnológico. Lo anterior disminuirá el tiempo de fallas al predecir la cantidad de eventos que pueden ocurrir en el laminador. Además, reducir el tiempo de las detenciones por mantención al realizarlas de forma eficientes y programadas, generando un aumento en el tiempo que tiene el laminador para producir sus productos. En las simulaciones realizadas se lograron modelos predictivos que pueda predecir el 70% de las detenciones por fallas de tipo mecánicas. Con este porcentaje de predicción se espera generar 111 horas más de producción al año, lo que equivale a 5.900 toneladas de acero, reduciendo las perdidas en 334.152 dólares.