Mantenimiento Predictivo en BHP: Mina y Planta

BHP busca incorporar tecnologías de analítica de datos que permitan optimizar actividades de mantenimiento en procesos y equipos de mina y planta. Para esto quiere identificar equipos ágiles capaces de generar un Producto Mínimo Viable

(MVP) de un modelo predictivo que permita la detección temprana de fallas para mejorar la seguridad y productividad en su operación. Se espera que las soluciones integren, procesen, y modelen posibles causas para generar mejoras

eficientes y seguras. Para esto, se validarán dos aproximaciones diferentes, con datos de procesos de planta y mina.

Cada finalista participará de uno de éstos desafíos, cuya distribución será definida por la organización.

Track Planta

Este desafío busca detectar tempranamente las fallas de equipos que se usan en producción, por ejemplo: bombas, motores, válvulas, etc.

Se espera evitar imprevistos y detenciones, mejorando seguridad, reduciendo el down-time y costos de mantenimiento.

El objetivo es desarrollar un MVP de un modelo de aprendizaje automático con inteligencia artificial que permita detectar anomalías o “amenazas silenciosas” de forma que puedan ser incorporadas en la estrategia de mantenimiento. Para esto se utilizará información de los sistemas de control DCS. El modelo debe ser aplicable a cualquier válvula, motor y bomba, teniendo en cuenta los distintos puntos de operación que tengan los procesos, utilizando técnicas de clustering.

Este desafío es altamente escalable ya que está orientado a equipos que se usan ampliamente en la industria.

Track Mina

Este desafío busca integrar la información de dos sistemas de gestión (despacho y mantenimiento) y modelar las principales causas que pueden impactar en una condición de riesgo en la continuidad operacional de sus sistemas o del equipo móvil completo.

Se espera mejorar la vida útil y el tiempo medio entre fallas (MTBF), así como optimizar los ciclos de transporte y mantener la continuidad operacional del equipamiento altamente sofisticado y de gran volumen.

El objetivo es generar un MVP de un modelo matemático que permita determinar las principales causas de indisponibilidad de los equipos móviles de transporte y caracterizar de manera detallada las condiciones óptimas para una operación continua de éstos. Para esto se utilizará información de los sistemas de gestión de flota (Dispatch-Modular) y de gestión de mantenimiento (Minecare-Modular).

By Expande

Champion Track Planta: Mauricio RodriguezProcessing Operations Technologies, BHP Minerals Americas

Champion Track Mina:Sergio BurdilesMining Operations Technologies, BHP Minerals Americas

Mantenimiento Predictivo en BHP: Mina y Planta

Esta Hackamine abre un espacio de trabajo colaborativo de alta sofisticación y valor agregado con potencial de aplicación y generación de beneficios para BHP.

By Expande

Aspectos a considerar

Utilización de herramientas avanzadas de integración, análisis y modelamiento de

datos a través de inteligencia Artificial, Machine learning,

Deep Learning.

Simplicidad en la utilización de la herramienta y en la conexión con sistemas de

control.

Capacidad de escalar a otros equipos, plantas y activos.

Porcentaje de Certeza del modelo.

Desarrollar un modelo que pueda mejorar en la medida que se le

incorporan más datos.

Considerar visualización e interfaz gráfica.

¿Cómo nos ayuda este desafío?

Gestión predictiva, e inteligencia artificial ayudan a diseñar una minería más sustentable, aumentan los índices de seguridad, la calidad y velocidad del trabajo y la estandarización de los procesos.

El área de Tecnología Operacional maximiza la disponibilidad, estabilidad y desempeño de los sistemas IT y OT en las operaciones, con foco en mejorar la experiencia de colaboradores internos y externos.

A través de los distintos sistemas tecnológicos se busca entregar herramientas que permitan operar de manera más eficiente y segura, aprovechando y extendiendo la gran capacidad de transporte de los equipos móviles mina.

Además, se necesita contar con herramientas altamente integradas a los sistemas de control DCS que permitan poder generar análisis y prevenir fallas de manera temprana de activos claves, todo esto en tiempo real.