Diseño de un modelo de mantenimiento predictivo en la industria minera mediante inteligencia artificial y mejora en el flujo de datos

El mantenimiento predictivo evoluciona con la adopción de tecnologías emergentes como el Internet of Things (IoT),1 el Machine Learning (ML)2 y la Analítica de Datos. Sin embargo, diversos estudios reportan que en el sector minero la integración eficiente y oportuna de estas tecnologías sigue siendo un desafío, debido a limitaciones en infraestructura digital, conectividad en entornos remotos y falta de estandarización en los sistemas de gestión de datos (PwC, 2023; Deloitte, 2022; Mining Technology, 2023). Como resultado, la limitada integración de estas tecnologías en la industria minera contribuye a que persistan las paradas no programadas, los sobrecostos y la reducción de la eficiencia operativa, pues se dificulta aprovechar plenamente las capacidades de monitoreo y predicción que permiten anticipar fallas y optimizar la gestión de mantenimiento (McKinsey & Company, 2023; World Economic Forum, 2022). Este estudio propone un modelo de mantenimiento predictivo basado en inteligencia artificial y análisis de datos, aplicado a los equipos móviles en la mina Pribbenow de Drummond LTD. La investigación plantea una mejora en el flujo de datos que permite optimizar la gestión de activos mediante la recopilación, almacenamiento y análisis de información proveniente de sensores IoT y sistemas VIMS. A través de una metodología estructurada, se generan alertas tempranas que apoyan la toma de decisiones en mantenimiento, minimizando las consecuencias operativas y económicas derivadas de las fallas —entendidas estas como eventos que producen la pérdida de la función requerida del activo (ISO 14224:2016)— y reduciendo el riesgo de averías prolongadas o catastróficas. De esta forma, el modelo no elimina las causas de las fallas, pero sí contribuye a mitigar su impacto, mejorar la disponibilidad y optimizar los tiempos de producción. El modelo propuesto se fundamenta en normativas internacionales como la ISO 14224 e ISO 55000, garantizando la calidad, trazabilidad y confiabilidad de los datos. Se espera que los resultados de esta investigación contribuyan a la modernización de la gestión de mantenimiento en la industria minera en específico para equipos móviles, promoviendo prácticas más eficientes y sostenibles.

• Autores: Colina Figueroa, Alex Enrique
• Fecha de publicación: 2025
• Institución: Universidad del Valle
• Repositorio: Repositorio Digital Univalle
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.univalle.edu.co:10893/36922
• Acceso en línea: https://hdl.handle.net/10893/36922
• Palabra clave: Gestión de activos; Mantenimiento predictivo; Inteligencia artificial; Aprendizaje automático; Industria Minera; Maquinaria industrial
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-nd/4.0/