Este documento describe el objetivo de evaluar los históricos de datos de operación de una planta concentradora para realizar mantenimiento predictivo utilizando machine learning. Se analizarán los datos de equipos almacenados en una base de datos SQL para proyectar un análisis predictivo y tomar decisiones de mantenimiento. Los archivos de datos contienen información de tags de equipos, datos de prueba, machine learning y toma de decisiones.
🦄💫4° SEM32 WORD PLANEACIÓN PROYECTOS DARUKEL 23-24.docx
Trabajo de Ciencia de Datos
1. Título: UtilizandoMachine Learningparamantenimientopredictivo
Objetivo: Evaluar los históricos de datos correspondientes a la operación de la planta
concentradora La Pascana para poder realizar toma de decisiones con machine learning
correspondientes al Mantenimiento Predictivo.
¿Qué indicadoresseríanlosmásimportantesadeterminarde acuerdoala información
presentada?
¿Qué tipode análisisseríael más adecuadoypor qué?
¿Qué decisionesse podríantomarbasadas enlosdescubrimientosoinferenciasde la
informaciónanalizada?
La empresa Nova Scotia, cuenta con una planta procesadora de minerales, la cual es la planta
concentradora La Pascana, ubicada en el departamento de Lima, país Perú; en la actualidad la
información que se mantiene por parte de OT es por análisis descriptivo, para lo cual se ha
optadoportomar comoKPIsde mantenimientoreferenteal LCC(ciclode vidadelactivo),MTTR
(Tiempomediode reparaciónde averías) ,MTBF (Tiempomedioentre fallos),PMP(Porcentaje
de mantenimiento planificado) y OEE (Eficacia global de la equipo).
Para llevar a cabo de ello, se ha de tomar los datos almacenados en la SQL BD de la empresa,
donde se analizarálosdatos de cada equipo,y se realizarála proyecciónde análisispredictivo,
para la toma de decisiones
En la carpeta denominada “Data_Predictive” se encuentran los siguientes archivos: TAGs;
Test_Data; Machine_Learning; to_read.
El archivo “TAGs” contiene los siguientes datos:
Id – Identificador del registro
Fecha – Identificador de fecha.
Hora – Identificador de hora.
Sensor – Identificador del Sensor
Numero Equipo – Número de equipo asignado
Activo Fijo – Activo fijo del equipo
Fault – Clave estándar extendida internacional del libro
El archivo “Test_Data” contiene los siguientes datos:
Fecha – Identificador de fecha.
Sensor – Identificador de Sensor
Fault – Falla de equipo
LCC – Costo de Ciclo de Vida (Life Cycle Costo)
MTTR – Tiempo medio de reparación de averías (Medium Time To Repair)
MTBF – Tiempo medio entre fallos (Mean Time Between Failures)
PMP – Porcentaje de mantenimiento planificado (Planned Maintenance Percentage)
OEE – Eficacia global del equipo (Overall Equipment Effectiveness)
El archivo“Machine_Learning”contiene lossiguientesdatos:
PCA – Análisis de Componente Principal (Principal Component Analysis)
SVM– Máquina de Vectorde Soporte (SuportVectorMachine)
2. ARN – RedNeuronal Artificial (ArtificialNeural Network)
El archivo “Decision_Making” contiene los siguientes datos:
PdM– Toma de decisión de Mantenimiento Predictivo.
PsM– Toma de decisión de Mantenimiento Prescriptivo.
El archivo “TAGs” contiene los datos correspondientes de cada equipo, el activo fijo que
corresponde,comolossensoresque cuentael equipo,donde puedecontarconvariossensores,
los cuales serán relacionados como S (1,2 … sucesivamente).
El archivo “Test_Data” contiene los datos correspondientesde los KPIs,donde se aplicarán las
muestras de Gamma, Weilbull correspondientes a la confiabilidad de los equipos
El archivo“Machine_Learning”contiene el métodoadesarrollar,qué métodoseael apropiado
y poder establecer una decisión en ello.
El archivo “Decision_Making” contiene las decisiones tomadas por nuestro Machine Learning
para el sistema ERP que cuenta la empresa.