Plataforma basada en Machine Learning revoluciona el mantenimiento predictivo de GMD.
ABB presenta su avanzada plataforma de Mantenimiento Predictivo para Molienda, respaldada por Machine Learning y alojada en la nube, que está transformando la forma en que se monitorean y mantienen los accionamientos Gearless Mill Drives (GMD) en la industria minera. En un evento en Chile, David Gallego, Digital Solutions Architect de ABB en Suiza, destacó la importancia de esta tecnología para países líderes en minería como Chile y Perú, donde se encuentran la mayoría de los GMDs del mundo. La plataforma, basada en Microsoft Azure y respaldada por Azure AutoML, ofrece una evaluación en tiempo real a partir de 30 modelos diferentes, permitiendo una toma de decisiones precisa y eficiente. Además, recientemente se agregó la capacidad de acceder a datos de alta frecuencia del controlador del Cicloconversor, lo que facilita el diagnóstico y la solución de problemas. Con esta tecnología, se estima que se han evitado más de 120 horas de paradas inesperadas de equipos de molienda en todo el mundo.
David Gallego, Digital Solutions Architect de ABB en Suiza, presentó la innovadora plataforma de Mantenimiento Predictivo para Molienda durante un evento en Chile, destacando su importancia en la industria minera. Los accionamientos Gearless Mill Drives (GMD) son vitales en el proceso de molienda y garantizar su máxima disponibilidad es esencial para lograr altos indicadores de OEE (Overal Equipment Effectiveness).
Gallego enfatizó la relevancia de esta tecnología en países mineros líderes como Chile y Perú, que albergan la mayor cantidad de GMDs en el mundo. Además, señaló que muchos clientes de ABB en estas naciones tienen acceso a la plataforma de Mantenimiento Predictivo para Molienda a través de los acuerdos de servicio a largo plazo (LTSA) de la compañía.
La plataforma, basada en la nube y potenciada por Microsoft Azure, utiliza servicios avanzados de Machine Learning, incluyendo Azure AutoML. Esto permite la evaluación en tiempo real de predicciones mediante 30 modelos diferentes, lo que brinda una selección precisa de la mejor predicción disponible.
Además, recientemente se agregó la capacidad de acceder a los archivos de transitorios del controlador del Cicloconversor, que contienen datos de alta frecuencia de señales críticas. Estos datos, que antes eran difíciles de obtener, son esenciales para el diagnóstico y resolución de problemas, especialmente durante tareas de Troubleshooting.
En cuanto a los avances logrados, Gallego destacó que actualmente están monitoreando casi 40 GMD en todo el mundo y que las estrategias implementadas han permitido evitar más de 120 horas de paradas inesperadas en equipos de molienda.
La tecnología de Mantenimiento Predictivo para Molienda de ABB está revolucionando la forma en que se gestionan y mantienen los GMDs en la industria minera, mejorando la eficiencia y la confiabilidad de estos equipos críticos en países con una fuerte presencia en la minería como Chile y Perú.