Sistema de monitoreo y predicción del desgaste de los revestimientos de un molino de bolas haciendo uso de un gemelo digital

Resumen

En la actualidad, el reto en la minería está ligado con reducir los costos de sus diversos procesos que intervienen en la cadena de valor; en este sentido, predecir las fallas de los distintos equipos, por ejemplo los revestimientos de un molino, que intervienen en el procesado de conminución de diferentes minerales puede llegar a ser muy beneficiosos; por un lado, reducir los costos, aprovechando al máximo la inversión que se le da a estos componentes; por otro lado, reduciendo o minimizando las paradas de emergencia, lo que ocasiona pérdidas de producción y con ello perdidas monetarias. Los sistemas de monitoreo actuales permiten hacer proyecciones de los tiempos de cambios de los equipos antes de fallar; sin embargo, no son muy precisos y son ineficientes; ya que, son muchos factores que intervienen en la vida de este; por ejemplo, las propiedades mecánicas de rocas que ingresan al molino o los tipos de materiales que están fabricados. En esta tesis se modelará un sistema de control que utiliza la base de datos de desgaste de los revestimientos de un molino de bolas para desarrollar un algoritmo predictivo tipo Red Neuronal, que tiene la capacidad de aprender y permitir establecer una función de salida que mejor se adapte a los datos de desgaste evaluados. Asimismo, se usará el lenguaje de programación Python, con la ayuda de distintitas Liberia de Inteligencia Artificial, como Tensorflow, Keras y librerías de análisis de datos y funciones matemáticas como Numpy y Pandas. Finalmente, se modelará un Gemelo Digital de los perfiles de desgaste que permitirá ver y evaluar el comportamiento de los revestimientos en el tiempo y permitirá hacer comparaciones con sistemas tradicionales de monitoreo; de mismo modo, se evaluará el ahorro de tiempo y dinero que otorgaría la implementación de este.

Fecha de lectura	2021
Idioma original	Español (Perú)
Supervisor	Tulio Antezano (Asesor)