Propuesta de mejora en la estrategia de mantenimiento de la bomba centrífuga de ciclones primarios mediante la aplicación de machine learning en una unidad minera de tajo abierto del centro del Perú

Descripción del Articulo

La tesis "Propuesta de mejora en la estrategia de mantenimiento de la bomba centrífuga de ciclones primarios mediante machine learning en una unidad minera del Perú" busca optimizar el mantenimiento predictivo de una bomba Warman, equipo crítico en el área de molienda. La bomba maneja un f...

Descripción completa

Detalles Bibliográficos
Autor: Luque Percka, Fidel Eduardo
Formato: tesis de grado
Fecha de Publicación:2024
Institución:Universidad Nacional de San Agustín
Repositorio:UNSA-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.unsa.edu.pe:20.500.12773/19965
Enlace del recurso:https://hdl.handle.net/20.500.12773/19965
Nivel de acceso:acceso abierto
Materia:Machine Learning
Mantenimiento predictivo
Bomba Warman
https://purl.org/pe-repo/ocde/ford#2.03.01
id UNSA_cdf5098df684f4a7a6321a957ee9b58c
oai_identifier_str oai:repositorio.unsa.edu.pe:20.500.12773/19965
network_acronym_str UNSA
network_name_str UNSA-Institucional
repository_id_str 4847
spelling Adriazola Corrales, Pascual HeradioLuque Percka, Fidel Eduardo2025-05-06T16:10:19Z2025-05-06T16:10:19Z2024La tesis "Propuesta de mejora en la estrategia de mantenimiento de la bomba centrífuga de ciclones primarios mediante machine learning en una unidad minera del Perú" busca optimizar el mantenimiento predictivo de una bomba Warman, equipo crítico en el área de molienda. La bomba maneja un flujo de 9,000 m³/h con una eficiencia del 85% y operando a 282 RPM. Entre 2017 y 2021, registró 18 fallas no programadas, afectando la continuidad operativa. El análisis del MTBF (Tiempo Medio Entre Fallas) reveló que el disco de succión tiene un MTBF de 55 días con 27 averías, el impulsor 62.6 días con 24 averías, y el revestimiento de succión 64.9 días con 23 averías. Además, el desgaste del disco de succión alcanzó ratios de hasta 6.3 mm/día, con algunos casos llegando al 100% de su límite de desgaste. Para abordar estos problemas, se implementó machine learning con herramientas como Pi Vision y Pi DataLink para analizar datos operativos históricos como presión, caudal y torque. Se desarrolló un modelo predictivo mediante técnicas de validación cruzada y análisis de componentes principales (PCA), lo que permitió predecir fallas y ajustar las frecuencias de mantenimiento basadas en las condiciones reales del equipo. El nuevo plan de mantenimiento, basado en estas predicciones, logró reducir los costos asociados al mantenimiento no programado y optimizó el tiempo de inactividad, mejorando la disponibilidad y vida útil de los componentes clave de la bomba Warman.application/pdfhttps://hdl.handle.net/20.500.12773/19965spaUniversidad Nacional de San Agustín de ArequipaPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Universidad Nacional de San Agustín de ArequipaRepositorio Institucional - UNSAreponame:UNSA-Institucionalinstname:Universidad Nacional de San Agustíninstacron:UNSAMachine LearningMantenimiento predictivoBomba Warmanhttps://purl.org/pe-repo/ocde/ford#2.03.01Propuesta de mejora en la estrategia de mantenimiento de la bomba centrífuga de ciclones primarios mediante la aplicación de machine learning en una unidad minera de tajo abierto del centro del Perúinfo:eu-repo/semantics/bachelorThesisSUNEDU29525780https://orcid.org/0000-0002-4618-350673390269713046Fernandez Barriga, Camilo GrimaldoSanga Quiroz, Celso AntonioAdriazola Corrales, Pascual Heradiohttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisIngeniería MecánicaUniversidad Nacional de San Agustín de Arequipa.Facultad de Ingeniería de Producción y ServiciosIngeniero MecánicoORIGINALTesis.pdfapplication/pdf5152608https://repositorio.unsa.edu.pe/bitstreams/bcc4fc2e-a077-47e9-806c-c7bcef7b0c9e/download903c8407401c75a274321bc81a9d0a95MD51Reporte de Similitud.pdfapplication/pdf5525613https://repositorio.unsa.edu.pe/bitstreams/fd55ab51-ffab-4d4f-8b48-ddd7fcb57c3c/downloadcb54c9c014aa6f6bd2e26f8ffdb1ffc7MD52Autorización de Publicación Digital.pdfapplication/pdf81013https://repositorio.unsa.edu.pe/bitstreams/544aaf94-c0d3-49f2-bd18-9a8935f2aa40/download921a56375ef5919ee13248ae6d11e147MD5320.500.12773/19965oai:repositorio.unsa.edu.pe:20.500.12773/199652025-05-06 11:10:34.878http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttps://repositorio.unsa.edu.peRepositorio Institucional UNSAvridi.gestioninformacion@unsa.edu.pe
dc.title.es_PE.fl_str_mv Propuesta de mejora en la estrategia de mantenimiento de la bomba centrífuga de ciclones primarios mediante la aplicación de machine learning en una unidad minera de tajo abierto del centro del Perú
title Propuesta de mejora en la estrategia de mantenimiento de la bomba centrífuga de ciclones primarios mediante la aplicación de machine learning en una unidad minera de tajo abierto del centro del Perú
spellingShingle Propuesta de mejora en la estrategia de mantenimiento de la bomba centrífuga de ciclones primarios mediante la aplicación de machine learning en una unidad minera de tajo abierto del centro del Perú
Luque Percka, Fidel Eduardo
Machine Learning
Mantenimiento predictivo
Bomba Warman
https://purl.org/pe-repo/ocde/ford#2.03.01
title_short Propuesta de mejora en la estrategia de mantenimiento de la bomba centrífuga de ciclones primarios mediante la aplicación de machine learning en una unidad minera de tajo abierto del centro del Perú
title_full Propuesta de mejora en la estrategia de mantenimiento de la bomba centrífuga de ciclones primarios mediante la aplicación de machine learning en una unidad minera de tajo abierto del centro del Perú
title_fullStr Propuesta de mejora en la estrategia de mantenimiento de la bomba centrífuga de ciclones primarios mediante la aplicación de machine learning en una unidad minera de tajo abierto del centro del Perú
title_full_unstemmed Propuesta de mejora en la estrategia de mantenimiento de la bomba centrífuga de ciclones primarios mediante la aplicación de machine learning en una unidad minera de tajo abierto del centro del Perú
title_sort Propuesta de mejora en la estrategia de mantenimiento de la bomba centrífuga de ciclones primarios mediante la aplicación de machine learning en una unidad minera de tajo abierto del centro del Perú
author Luque Percka, Fidel Eduardo
author_facet Luque Percka, Fidel Eduardo
author_role author
dc.contributor.advisor.fl_str_mv Adriazola Corrales, Pascual Heradio
dc.contributor.author.fl_str_mv Luque Percka, Fidel Eduardo
dc.subject.es_PE.fl_str_mv Machine Learning
Mantenimiento predictivo
Bomba Warman
topic Machine Learning
Mantenimiento predictivo
Bomba Warman
https://purl.org/pe-repo/ocde/ford#2.03.01
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.03.01
description La tesis "Propuesta de mejora en la estrategia de mantenimiento de la bomba centrífuga de ciclones primarios mediante machine learning en una unidad minera del Perú" busca optimizar el mantenimiento predictivo de una bomba Warman, equipo crítico en el área de molienda. La bomba maneja un flujo de 9,000 m³/h con una eficiencia del 85% y operando a 282 RPM. Entre 2017 y 2021, registró 18 fallas no programadas, afectando la continuidad operativa. El análisis del MTBF (Tiempo Medio Entre Fallas) reveló que el disco de succión tiene un MTBF de 55 días con 27 averías, el impulsor 62.6 días con 24 averías, y el revestimiento de succión 64.9 días con 23 averías. Además, el desgaste del disco de succión alcanzó ratios de hasta 6.3 mm/día, con algunos casos llegando al 100% de su límite de desgaste. Para abordar estos problemas, se implementó machine learning con herramientas como Pi Vision y Pi DataLink para analizar datos operativos históricos como presión, caudal y torque. Se desarrolló un modelo predictivo mediante técnicas de validación cruzada y análisis de componentes principales (PCA), lo que permitió predecir fallas y ajustar las frecuencias de mantenimiento basadas en las condiciones reales del equipo. El nuevo plan de mantenimiento, basado en estas predicciones, logró reducir los costos asociados al mantenimiento no programado y optimizó el tiempo de inactividad, mejorando la disponibilidad y vida útil de los componentes clave de la bomba Warman.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2025-05-06T16:10:19Z
dc.date.available.none.fl_str_mv 2025-05-06T16:10:19Z
dc.date.issued.fl_str_mv 2024
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12773/19965
url https://hdl.handle.net/20.500.12773/19965
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional de San Agustín de Arequipa
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Universidad Nacional de San Agustín de Arequipa
Repositorio Institucional - UNSA
dc.source.none.fl_str_mv reponame:UNSA-Institucional
instname:Universidad Nacional de San Agustín
instacron:UNSA
instname_str Universidad Nacional de San Agustín
instacron_str UNSA
institution UNSA
reponame_str UNSA-Institucional
collection UNSA-Institucional
bitstream.url.fl_str_mv https://repositorio.unsa.edu.pe/bitstreams/bcc4fc2e-a077-47e9-806c-c7bcef7b0c9e/download
https://repositorio.unsa.edu.pe/bitstreams/fd55ab51-ffab-4d4f-8b48-ddd7fcb57c3c/download
https://repositorio.unsa.edu.pe/bitstreams/544aaf94-c0d3-49f2-bd18-9a8935f2aa40/download
bitstream.checksum.fl_str_mv 903c8407401c75a274321bc81a9d0a95
cb54c9c014aa6f6bd2e26f8ffdb1ffc7
921a56375ef5919ee13248ae6d11e147
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional UNSA
repository.mail.fl_str_mv vridi.gestioninformacion@unsa.edu.pe
_version_ 1832567802266910720
score 13.936249
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).