1. Resumen ejecutivo

El mantenimiento de las celdas de flotación KYF-300 es esencial para la continuidad de la producción de cobre. El enfoque propuesto combina metodologías tradicionales (RCM, FMEA) con inteligencia artificial para anticipar fallas mediante datos operativos como vibración, temperatura y horas de uso. Se espera una disminución significativa en paradas no planificadas y una mejora en la disponibilidad operativa.

2. Datos y supuestos

El estudio se centra en celdas KYF-300, considerando variables críticas: vibración, temperatura, horas de operación, velocidad superficial del gas (Jg), diámetro de burbuja (Db), retención de gas (eg) y el parámetro Sb. Los supuestos clave incluyen disponibilidad de datos históricos confiables, sensores calibrados y condiciones de operación representativas.

3. Metodología técnica

Se aplica FMEA para jerarquizar modos de falla, seguido de un análisis RCM para definir estrategias de mantenimiento según criticidad. Adicionalmente, se utiliza un modelo de redes neuronales para predecir el tiempo hasta la falla (TTF) y la vida útil remanente (RUL). El sistema recomienda acciones on-condition, sustituciones por edad y rediseños cuando los riesgos lo justifican.

4. Resultados esperados

La implementación del modelo predictivo permitirá reducir hasta un 35% las paradas no planificadas, incrementar el MTBF entre un 15% y 25%, y disminuir el MTTR en un 10-15%. Estos resultados se traducen en mayor disponibilidad de los equipos y reducción de costos de mantenimiento correctivo.

5. Recomendaciones

• Instalar sensores de vibración y temperatura en componentes críticos.
• Monitorear en línea variables hidrodinámicas (Jg, Db, eg, Sb).
• Implementar un modelo de IA validado con datos históricos y en tiempo real.
• Integrar el sistema predictivo con el CMMS para la generación automática de órdenes de trabajo.
• Capacitar al personal en interpretación de datos y gestión de activos.