Si su empresa aún no lo ha hecho, es hora de echar un vistazo a las modernas estrategias de mantenimiento de una mina inteligente. Recopile los datos valiosos de su empresa y asegúrese de que están listos para la Industria 4.0.
Con la próxima era de la Industria 4.0, ya no es prudente, estratégica o económicamente inteligente, esperar hasta que un activo minero crítico se haya descompuesto para arreglar la máquina. Las averías del equipo a menudo son costosas en muchos niveles: tiempo de inactividad significa que la productividad se ve afectada, las piezas pueden ser costosas y luego están las gastos desperdiciados en trabajo y energía.
Datos la analítica combinada con el mantenimiento predictivo puede ser una mina de oro virtual para operaciones mineras, con reducción inicial de costos y ganancias de productividad de estimado a 20%.
Las cinco etapas del mantenimiento de una mina
La evolución del mantenimiento en la industria minera ha recorrido un largo camino en el último más o menos una década, ayudado por la disponibilidad de datos en tiempo real. Hay cinco Enfoques de mantenimiento comunes que se pueden aplicar a los activos de la mina: reactivos, preventiva, basada en la condición, predictiva y prescriptiva.
Pasar del mantenimiento reactivo al mantenimiento preventivo ayudará a mejorar la confiabilidad de los activos, pero podría no ser efectivo ya que aún habrá tiempo de inactividad no planificado y reparaciones costosas que podrían haberse evitado. El mantenimiento basado en el calendario a menudo demuestra ser ineficiente porque 82% de fallas de la máquina ocurren en patrones aleatorios.
La evolución del mantenimiento en la industria minera ha recorrido un largo camino en la última década más o menos, ayudado por la disponibilidad de datos en tiempo real
Basado en condición El monitoreo, el monitoreo de las máquinas cuando aún están en funcionamiento, es el primer paso hacia la adopción de una estrategia de mantenimiento prospectiva. Los datos pueden ser recolectado en línea a través de conectividad de red a sensores o fuera de línea a través de rondas del operador u otros medios, dependiendo de la criticidad de la máquina.
Profético el mantenimiento avanza aún más el enfoque basado en la condición mediante el uso de modelos basados Detección de anomalías. Se basa en la recopilación en línea de datos de detección y usos análisis de datos para predecir la fiabilidad de la máquina.
El último nivel de mantenimiento, mantenimiento prescriptivo, implica la integración de grandes datos, análisis, aprendizaje automático e inteligencia artificial. Se necesita mantenimiento predictivo un paso más allá al implementar una acción para resolver un problema inminente, en lugar de simplemente recomendar una acción.
La mayoría El factor importante en la transformación digital de su estrategia de mantenimiento es acceso a datos operativos en tiempo real. Alcanzando el cuarto nivel de mantenimiento (predictivo) se puede lograr ahora y requiere la aplicación de analítica.
Establecer una infraestructura de datos operacionales
El primer paso es establecer una empresa de datos operativos infraestructura que puede capturar datos en tiempo real provenientes de sensores, fabricando equipos y otros dispositivos, y transformándolos en ricos, información en tiempo real, conectando datos basados en sensores a sistemas y personas.
Este primer paso es fundamental para proporcionar información para un análisis posterior. Una infraestructura de datos operativos en tiempo real no solo ayudará a mejorar los activos confiabilidad, pero tener una única infraestructura en su lugar mejorará el proceso productividad, gestión de energía y agua, medio ambiente, salud y seguridad, calidad, así como KPI e informes.
Mejorar y contextualizar datos
Este paso se refiere a cómo se almacenan y mejoran los datos (en otras palabras, proporcionando contexto) para convertirse en información. Por ejemplo, aunque los datos son recogidos de un sensor, los analistas necesitan saber si el equipo está funcionando o se ha detenido debido a una falla o activación de un botón de parada de emergencia. Sin este contexto, los datos no tienen mucho valor. Además, reconocer qué datos Es importante y relevante para una organización es igualmente vital.
Implementar mantenimiento basado en condiciones
A continuación, su empresa deberá implementar el mantenimiento basado en condiciones (CBM) utilizando datos contextualizados. Esto implica priorizar ciertos activos, identificar las condiciones que conducen a una falla eventual e implementar esas condiciones en activos específicos dentro de una infraestructura de datos operativos en tiempo real para automatizar el monitoreo basado en la condición. Por ejemplo, cuando la temperatura de un rodamiento comienza a aumentar fuera de su temperatura de funcionamiento normal, significa que el rodamiento finalmente fallará.
Los ingenieros de confiabilidad ya conoce muchos de estos patrones de falla, que a menudo se encuentran a través de la confiabilidad centrada Análisis de mantenimiento después de una falla. Todos estos patrones conocidos deberían luego se implementará como CBM dentro de los datos operativos de la empresa en tiempo real infraestructura.
Implementar mantenimiento de mina predictivo 4.0
Este es el paso final. Tu infraestructura de datos operativos empresariales elegida, junto con herramientas avanzadas de análisis y reconocimiento de patrones: proporcionarán en tiempo real, Inteligencia procesable que permite a su empresa optimizar las operaciones. Utilizadas juntas, estas herramientas determinarán automáticamente los patrones que conducen a un eventual fracaso.
Quizás la mejor manera de ver el Los beneficios del mantenimiento predictivo y basado en la condición son a través de circunstancias de la vida real.
Por ejemplo, Barrick Gold’s Pueblo Viejo , el mayor productor de oro en El Caribe quería mejorar el sistema de monitoreo de salud de los activos de su flota de camiones de acarreo para mejorar la eficiencia y los costos de mantenimiento. El desafío consistía en proporcionar información en tiempo real de 34 camiones de transporte utilizando sistemas instalados y a un costo mínimo.
Antes de utilizar el mantenimiento basado en condiciones, la confiabilidad y el mantenimiento Los gerentes se basaron en información incompleta o retrasada para tomar decisiones.
«Solíamos usar los sensores en el vehículo para investigar por qué había ocurrido una falla en un camión», dijo Ted Olsen-Tank, metalúrgico de Barrick Gold. «Ahora podemos estar un paso por delante de una falla y ser más proactivos».
Desde su inicio en 2018, el proyecto de mantenimiento predictivo en la mina Barrick’s Cortez ha comenzado a dar sus frutos ya que se han evitado más de media docena de fallas importantes en los equipos
Barrick Gold ahorró $ 500, 000 debido a su nueva capacidad para detectar y abordar fallas y reducir el número total de fallas del motor, problemas de frenos o suspensión por 30%.
Yendo un paso más allá, Barrick está utilizando mantenimiento predictivo en su mina Cortez en Nevada. La maquinaria involucrada en el proceso de refinación de oro en ese lugar es costosa, y también lo es el tiempo de inactividad causado por una falla mecánica. Barrick Gold invirtió en mantenimiento predictivo en la mina Cortez mediante el uso de sensores y aprendizaje automático para detectar posibles problemas del equipo antes de que se convirtieran en fallas. Los algoritmos de aprendizaje automático utilizan datos de sensores recolectados con frecuencia para generar un puntaje de salud del equipo, que puede rastrearse para detectar declives que podrían indicar un problema potencial.
Desde su inicio en 2018, el predictivo El proyecto de mantenimiento en Cortez ha comenzado a dar resultados rápidamente ya que más de la mitad Se han evitado docenas de fallas importantes en el equipo. Para poner eso en perceptivo, Una sola detección temprana de fallas para un solo equipo salva a la compañía PS .
Existen poderosos incentivos económicos para aprovechar los datos en tiempo real y el mantenimiento predictivo. Las empresas pueden beneficiarse de los costos reducidos, abrir nuevas fuentes de ingresos, extender la vida útil del equipo y aumentar la capacidad de producción.
( Martin Provencher es Director de Industria de Minería, Metales y Materiales en OSIsoft)
Fuente: Mining.com
