Predicción de fallas prematuras de componentes en una flota de camiones mineros utilizando ciencia de datos

Simple item page
dc.contributor.advisorGarcía Arboleda, Isabel Cristina
dc.contributor.authorMartínez Morales, Christian Andrés
dc.contributor.authorPerdomo Olarte, Juan Camilo
dc.date.accessioned2026-03-17T19:37:49Z
dc.date.available2026-03-17T19:37:49Z
dc.date.issued2025
dc.description.abstractLa temática del proyecto aplicado se relaciona con la predicción de fallas de componentes de una flota determinada de camiones mineros. La problemática que se abordó consistió en que la flota había estado experimentando fallas prematuras en varios de sus componentes, a lo que la fábrica de dichos camiones argumentaba que estos eventos no correspondían a un problema de producto sino más bien a una naturaleza severa de la operación, sin embargo, se desconocía cuáles aspectos de la operación eran los influyentes en la generación de dichas fallas. La minera había manifestado la importancia de predecir este tipo de eventos ya que tenían el potencial de impactar aspectos importantes como la seguridad y salud de los operadores, el cuidado del activo y la producción de la minera convirtiéndose en una problemática en la que participaban interesados como el departamento de producción, mantenimiento, logística e, incluso, la fábrica de los camiones. El objetivo del proyecto fue entonces predecir fallas prematuras de dichos componentes para que la minera pudiera anticiparlas y realizar planes de acción preventivos a partir del análisis de datos disponibles e historial de fallos, del desarrollo de modelos predictivos, la evaluación de dichos modelos y el prototipado de una interfaz gráfica para el seguimiento y control de fallas prematuras. Se generaron 8 modelos por componente utilizando técnicas como Random Forest, XGBoost, Perceptrónes Multicapa y Regresión Logística, a partir de los cuales se pudieron predecir fallas de 6 tipos de componentes con precisiones superiores al 84%. A partir del análisis de importancia proporcionado por el XGBoost, se encontró que los aspectos de la operación que más influyen en la aparición de fallas prematuras son las microfalla por torsión, los valores de torsión y la carga acarreada por el camión ciclo a ciclo. Finalmente, se generó un prototipo de interfaz gráfica para seguimiento y control de dichos aspectos.spa
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ciencia de Datos
dc.format.extent90 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/5413
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.departmentFacultad de Ingeniería y Ciencias
dc.publisher.programMaestría en Ciencia de Datos
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc/4.0/
dc.subjectFallas prematurasspa
dc.subjectModelos predictivosspa
dc.subjectCamiones minerosspa
dc.subjectVariables significativasspa
dc.subjectCiencia de datosspa
dc.subjectPremature failureseng
dc.subjectPredictive modelseng
dc.subjectMining truckseng
dc.subjectSignificant variableseng
dc.subjectData scienceeng
dc.titlePredicción de fallas prematuras de componentes en una flota de camiones mineros utilizando ciencia de datosspa
dc.typemaster thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
Proyecto de Grado Final - Christian Andres Martinez Morales,Juan Camilo Perdomo Olarte,.pdf
Size:
4.55 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia de Uso - Christian Andres Martinez Morales,Juan Camilo Perdomo Olarte,.pdf
Size:
290.25 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ciencia de Datos