Aplicación de machine learning para la estimación de vida útil y reducción de costos en brocas triconicas de 11 en minería superficial

Troya Rios, Renzo Paolo

Aplicación de machine learning para la estimación de vida útil y reducción de costos en brocas triconicas de 11 en minería superficial

dc.contributor.advisor	Ojeda Vizarreta, Jorge
dc.contributor.author	Troya Rios, Renzo Paolo
dc.date.accessioned	2025-10-15T15:34:43Z
dc.date.available	2025-10-15T15:34:43Z
dc.date.issued	2025-10-01
dc.description.abstract	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.
dc.format	application/pdf
dc.identifier.uri	https://hdl.handle.net/20.500.12920/15676
dc.language.iso	spa
dc.publisher	Universidad Católica de Santa María	es_ES
dc.publisher.country	PE
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/	es_ES
dc.source	Universidad Católica de Santa María	es_ES
dc.source	Repositorio de la Universidad Católica de Santa María - UCSM	es_ES
dc.subject	Brocas Triconicas
dc.subject	Machine Learning
dc.subject	Vida Útil
dc.subject.ocde	https://purl.org/pe-repo/ocde/ford#2.07.05
dc.title	Aplicación de machine learning para la estimación de vida útil y reducción de costos en brocas triconicas de 11 en minería superficial
dc.type	info:eu-repo/semantics/bachelorThesis
dc.type.version	info:eu-repo/semantics/publishedVersion
renati.advisor.dni	71237395
renati.advisor.orcid	0009-0008-6717-0879
renati.author.dni	73064544
renati.discipline	724026
renati.juror	Linares Flores Castro, Antonio Erick
renati.juror	Paredes Salas, Omar Willy
renati.juror	Morales Valdivia, Javier Antonio
renati.level	https://purl.org/pe-repo/renati/level#tituloProfesional
renati.type	https://purl.org/pe-repo/renati/type#tesis
thesis.degree.discipline	Ingeniería de Minas
thesis.degree.grantor	Universidad Católica de Santa María.Facultad de Ciencias e Ingenierías Físicas y Formales	es_ES
thesis.degree.name	Ingeniero de Minas