Examinando por Autor "Troya Rios, Renzo Paolo"

Mostrando 1 - 1 de 1
  • Miniatura
    ÍtemAcceso Abierto
    Aplicación de machine learning para la estimación de vida útil y reducción de costos en brocas triconicas de 11 en minería superficial
    (Universidad Católica de Santa María, 2025-10-01) Troya Rios, Renzo Paolo
    La presente investigación tiene como finalidad el desarrollo de un modelo predictivo en lenguaje Python, basado en técnicas de machine learning, para estimar la vida útil de brocas tricónicas de 11” utilizadas en una mina superficial. Este enfoque se orienta a resolver una problemática recurrente en minería: el reemplazo prematuro o tardío de brocas de perforación, lo que impacta directamente en los costos operativos, la eficiencia del ciclo de minado y el uso óptimo de insumos. El estudio parte del análisis de una base de datos histórica conformada por parámetros operativos registrados en campo, tales como el pulldown (presión de empuje), revoluciones por minuto (RPM), presión de aire y velocidad de penetración (ROP). A través de una adecuada limpieza, estructuración y análisis de estos datos, se logró determinar la correlación entre dichas variables y la vida útil real de las brocas. Este análisis permitió identificar a la velocidad de penetración como el parámetro con mayor grado de correlación directa con la vida útil, lo cual sirvió de base para el desarrollo posterior del modelo predictivo. El modelo fue implementado en Python usando Regresión Lineal Múltiple, Random Forest y XGBoost. Se entrenó con 80% de los datos y probó con 20%, evaluándose mediante R², MAE y RMSE. Los resultados evidencian alta capacidad predictiva, destacando la regresión lineal entre vida útil y velocidad de penetración, con R² superior a 0.99. Finalmente, se estimó el impacto económico del modelo mediante un análisis de ahorro, considerando el uso eficiente de las brocas en función de su vida útil estimada. Este análisis demuestra que, al anticipar con mayor precisión la duración de cada broca, es posible optimizar los ciclos de cambio, reducir pérdidas por desgaste prematuro y minimizar interrupciones operativas.