Bibliographic citations
Orellana, N., (2022). Mejora de la disponibilidad de un molino SAG basado en el diseño de un sistema de estimación del desgaste del revestimiento [Tesis, Universidad Nacional de Ingeniería]. http://hdl.handle.net/20.500.14076/23019
Orellana, N., Mejora de la disponibilidad de un molino SAG basado en el diseño de un sistema de estimación del desgaste del revestimiento [Tesis]. PE: Universidad Nacional de Ingeniería; 2022. http://hdl.handle.net/20.500.14076/23019
@misc{sunedu/3505502,
title = "Mejora de la disponibilidad de un molino SAG basado en el diseño de un sistema de estimación del desgaste del revestimiento",
author = "Orellana Oyarce, Nestor André",
publisher = "Universidad Nacional de Ingeniería",
year = "2022"
}
La industria minera se encuentra orientada a la extracción y aprovechamiento de minerales y otros elementos presentes en la superficie terrestre. Las plantas concentradoras poseen líneas de producción que cuentan con equipos sometidos a diferentes parámetros de operación y producción. En el proceso de molienda el desgaste del recubrimiento del molino SAG no es del tipo lineal. Los parámetros de producción que afectan a este componente del molino SAG son: dureza del material, tamaño del material y porcentaje de tipo de material; así como de parámetros de operación como son: tonelaje de alimentación, cantidad de flujo de agua de ingreso, porcentaje de carga de bolas, potencia consumida, velocidad de giro entre otras. Existe un número reducido de empresas o consultores especializados en el análisis de datos orientados a resolver problemas de predicción de fallas de equipos mineros como son por ejemplo los Molinos SAG, y de esta manera mejorar su disponibilidad. Las empresas que ofrecen estos servicios no brindan el soporte adecuado, requieren de un extendido tiempo de análisis, no ofrecen tiempo de entrega de resultados y sus costos son muy elevados. Por ello, el presente trabajo plantea el diseño de un sistema de estimación del desgaste de revestimientos basado en algoritmos de aprendizaje supervisado de machine learning a fin de mejorar la disponibilidad de un molino SAG en un menor tiempo de análisis y costos más bajos.
This item is licensed under a Creative Commons License