PERUMIN 37 Convención Minera 224 Los resultados validan la efectividad del enfoque propuesto y demuestran su potencial para optimizar la planificación de mantenimiento, reducir fallas no programadas y avanzar hacia una minería predictiva e inteligente. La detección de anomalías se basó en el error de reconstrucción del autoencoder, clasificando como anómalas aquellas observaciones que superaban tres desviaciones estándar respecto a la media. Para su implementación en campo, se habilitó un servidor dedicado de analítica, desde el cual se ejecutan los seis modelos cada 30 segundos. Los resultados se almacenan en una base de datos SQL y se integran al PI System para su visualización. El modelo entrega un índice de salud de 0 a 100% para cada componente, sistema y para la faja en su conjunto, clasificado en tres niveles: normal, advertencia y crítico. Duranteelprimertrimestredeoperación,elmodelo permitió detectar de forma anticipada eventos como contaminación de aceite en CSTs, fugas en sistemas hidráulicos y despresurizaciones en acumuladores, en algunos casos con más de tres horas de antelación. Estos resultados validan la efectividad del enfoque propuesto y demuestran su potencial para optimizar la planificación de mantenimiento, reducir fallas no programadas y avanzar hacia una minería predictiva e inteligente.
RkJQdWJsaXNoZXIy MTM0Mzk2