Repository logo
Communities & Collections
All of DSpace
  • English
  • Español
Log In
New user? Click here to register. Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "SANHUEZA RAMIREZ, ANA CARLA"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Results Per Page
  • Sort Options
  • Loading...
    Thumbnail Image
    Thesis
    PROPUESTA DE MEJORA PARA UNA PLANTA DE CELULOSA UTILIZANDO MACHINE LEARNING, MODELO ARMA Y DISTRIBUCION WEIBULL PARA LA PREDICCION TEMPRANA DE FALLAS
    (2021) SANHUEZA RAMIREZ, ANA CARLA; SANHUEZA RAMIREZ, ANA CARLA; Universidad Técnica Federico Santa María. Departamento de Departamento de Mecánica; ARANGUIZ GARRIDO, ANDRES
    La industria de la Celulosa es la segunda más grande en Chile después de la industria del cobre, esto se debe a que el sur de Chile cuenta con las condiciones climáticas necesarias y el suelo apropiado para el desarrollo forestal; s por elloque el predecir de manera precisa y exacta eventos de fallas, son de suma importancia para el mantenimiento, especialmente para el mantenimiento predictivo. Más aun con la llegada de la industria 4.0 se han comenzado a implementar de forma masiva técnicas de Machine Learning, las que ayudan a sacar provecho al memento de predecir de manera más específica las fallas de máquinas o equipos, Con el fin de poder predecir este tiempo de fallas, se pretende generar un modelo de predicciónpor mediodel historial de fallas de un equipo determinado en el área de la celulosaaplicando técnicas de confiabilidad y aprendizaje supervisado, basado en historial de fallas, comportamiento y experiencias del pasado, observaciones, contexto operacional y ciclo de vida de los mismos, logrando pronosticar de forma anticipada fallas en tiempo real, evitando de esta manera desperfectos prolongados en los equipos y retrasos por mantenimiento.En este caso se usaran 3 metodologías para abordar el problema. La primera consiste en calcular los parámetros de la Distribución Weibul a partir del historial de fallas de un equipo determinado, con el propósito de ajustar la curva y que quede lo más parecida ala realidad que se presenta en el equipo de la planta de celulosa. La siguiente técnica consiste en aplicar Modelo Media Móvil Autorregresiva, donde se realiza un modelamiento basado en datos (esto se apoya con Weibul), para predecir la vida de los equipos y consiste en analizar estos datos en una serie de tiempo. Finalmente, se aplica Machine Learning mediante la técnica de Random Forest (Bosques Aleatorios), con el propósito de obtener el tiempo en que el equipo fallará, en un futuro próximo, todo esto para evitar que el equipo entre en falla y hacer un mantenimiento antes de que la falla ocurra.Mediante la aplicación de los modelos mencionados en el párrafo anterior, se puede determinar que si bien estas técnicas tienen varios requisitos para ser usadas, lo importante es que son técnicas efectivas de pronostico y que a medida que se van aplicando desde Weibull, Media Móvil Autorregresiva y Random Forest, el error del pronóstico disminuye, siendo el menor error cuadrático medio alcanzado de 0,056. Además,cabe destacar que en este ámbito es necesario tener en consideración los costos asociados a las tareas de mantenimiento, llegando a un promedio general de 6.713.159US$hasta el año 2022.En resumen, se puede afirmar que los pronósticos cuando son empleados de manera correcta, pueden ser herramientas precisas de pronóstico y ayudan a solucionar problemas relacionados con las fallas de los equipos críticos dentro de una empresa, pudiendo de esta manera gestionar los recursos y costos, mejorar de manera continua, propiciando la competitividad de las organizaciones y asegurando la disponibilidad de los activos.
  • Loading...
    Thumbnail Image
    Thesis
    SELECCIÓN DE LAS VARIABLES OPERACIONALES QUE INFLUYEN EN EL RENDIMIENTO DE LOS FILTROS CERÁMICOS
    (2018) SANHUEZA RAMIREZ, ANA CARLA; GUTIERREZ MENESES, LUIS; Universidad Técnica Federico Santa María. Departamento de Departamento de Mecánica
    Los principales temas a tratar en este Trabajo de Título se relacionan con la Selección de variables que influyen en el rendimiento de filtros cerámicos del Puerto Punta Chungo en Los Vilos. Para ello es necesario estudiar las diversas variables operacionales, características de los filtros cerámicos, realizar tablas de datos, gráficos, matrices de criticidad, entre otras. Para comenzar, en el Puerto Punta Chungo de Los Vilos se encuentra ubicada el área que se dedica al secado y tratamiento de la pulpa de cobre para que ésta sea exportada al extranjero. En este lugar, las máquinas que cobran mayor relevancia son los filtros, puesto que ellos se encargan de secar la pulpa de cobre. Estos filtros trabajan con 12 variables operacionales, que son las que hay que tener en cuenta en cuanto a importancia. Las variables son: porcentaje de sólidos, floculante, viscosidad, ph, carbono orgánico total, calcio, insoluble, cobre, granulometría, sulfato, cloro y sodio. En este trabajo para llegar a establecer las variables críticas que intervienen en el funcionamiento de dichos equipos se trabajará comparando matrices de criticidad, es decir tablas, gráficos, valores, haciendo simulaciones, entre otras, para así obtener las variables críticas buscadas. Asimismo, este trabajo cuenta con diversos objetivos, los que tienen como propósito llegar a seleccionar las variables críticas y las que, son de suma importancia para el proceso de producción de concentrado de cobre, lo que hace necesario que este estudio pueda satisfacer los objetivos y así, aportar con propuestas de mejoramiento a estas variables y al proceso en sí. Posteriormente, las comparaciones realizadas entre variables y la tasa de filtrado de los equipos, se llegó a la conclusión que las dos variables que mayormente generaban inconvenientes en los filtros, eran el floculante y el insoluble. Finalmente, ya conocidas estas variables se propusieron estrategias de mejora, las que se relacionan netamente con el control del floculante e insoluble. Estas mejoras tienen que ver principalmente con Controlar la adición de floculante a la pulpa, previo al proceso de secado, en esta ocasión agregar una cantidad entre 1,5 a 2 [gr/ton] de este reactivo, para evitar que se formen partículas muy grandes que tapen los poros y no permitan absorber el agua de la pulpa. Y cuando la pulpa esta almacenada en los estanques antes de ser filtrada, mantenerla en movimiento mediante la instalación de un rotor, con el fin de que se creen unos glómeros de tamaño adecuado y no que decante toda la parte sólida de la pulpa.

UNIVERSIDAD

  • Nuestra Historia
  • Federico Santa María
  • Definiciones Estratégicas
  • Modelo Educativo
  • Organización
  • Información Estadística USM

CAMPUS Y SEDES

  • Información Campus y Sedes
  • Tour Virtual
  • Icono Seguridad Política de Privacidad

EXTENSIÓN Y CULTURA

  • Dirección de Comunicaciones Estratégicas y Extensión Cultural
  • Dirección General de Vinculación con el Medio
  • Dirección de Asuntos Internacionales
  • Alumni
  • Noticias
  • Eventos
  • Radio USM
  • Cultura USM

SERVICIOS

  • Aula USM
  • Biblioteca USM
  • Portal de Autoservicio Institucional
  • Dirección de Tecnologías de la Información
  • Portal de Reportes UDAI
  • Sistema de Información de Gestión Académica
  • Sistema Integrado de Información Argos ERP
  • Sistema de Remuneraciones Históricas
  • Directorio USM
  • Trabaja con nosotros
Acreditación USM
usm.cl
Logo Acceso
Logo Consejo de Rectores
Logo G9
Logo AUR
Logo CRUV
Logo REUNA
Logo Universia

DSpace software copyright © 2002-2026 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback