An appropriate visual semiotics strategy fitting the context of this study

6.2.1 – Módulo A - Cuadro de Mandos Integral

El primero de los módulos en los que se estructura nuestra solución va dirigido a aquellas minas que no cuenten con sistemas de normalización y visualización de los datos procedentes de los equipos de operación.

Este módulo pasa por la construcción de un dashboard o cuadro de mandos integral que monitoriza y visualiza el funcionamiento de los principales equipos de operación de la mina en tiempo real. La información ofrecida tiene un carácter puramente descriptivo, esto es, no pasa por ninguna capa de análisis previo, y permite hacer visible el funcionamiento y estado de los componentes y subsistemas claves de los equipos en tiempo real desde un único informe. De esta forma, los responsables de operaciones y mantenimiento puedan ver con sus propios ojos qué está ocurriendo en la mina y tomar las mejores decisiones en base a esta información. Los datos que construyen el cuadro de mandos integral son los datos de funcionamiento procedentes de los equipos de operación de la mina, recogidos a través de sensores y telemetría, son normalizados al entrar en nuestra plataforma para ser directamente visualizados a través de un informe, el Live Dashboard. Aunque la existencia de telemetría en los principales equipos de operación se entienda como precondición para el desarrollo del Módulo A, pueden plantearse soluciones intermedias en aquellas minas que se encuentren en un menor grado de datificación. Estas soluciones intermedias pasan por renunciar a la visualización en tiempo real para conectarse directamente al equipo y recoger los datos en momentos puntuales. La solución ideal pasará siempre por la visualización de datos procedentes de telemetría en tiempo real a través del Live Dashboard.

6.2.2 – Módulo B - Evaluación del Desgaste

El segundo de los módulos en los que se estructura nuestra solución va dirigido a aquellas minas que cuenten con datos de uso y funcionamiento de los equipos y dispongan de sistemas de análisis y visualización de carácter descriptivo, bien sea a través de soluciones propias o de nuestro Módulo A.

Este módulo pasa por la evaluación del desgaste de los principales componentes y subsistemas de los equipos de operación, ofreciendo información de carácter predictivo sobre el estado de los mismos en el corto plazo, y alertando sobre posibles averías inminentes.

Para evaluar el desgaste de los principales componentes y subsistemas, los datos de uso, funcionamiento y características de los equipos se analizan a través de un modelo de regresión logística. La información ofrecida tiene carácter predictivo y ofrece una idea del estado futuro de los equipos mediante la evolución de sus parámetros. Esta información es especialmente relevante para los encargados del mantenimiento de los equipos de operación.

La información sobre el la evolución del desgaste de los componentes y subsistemas que conforman el equipo se visualiza a través del Wear Dashboard. El Wear Dashboard es un informe sencillo que hace visible los resultados del análisis de regresión, alertando anticipadamente a los responsables de operaciones y mantenimiento sobre el grado de desgaste. Además de visualizar, el Wear Dashboard nos permite enviar alertas a los responsables en caso de criticidad de alguno de los parámetros.

6.2.3 – Módulo C - Evaluación de Anomalías

El tercero de los módulos en los que se estructura nuestra solución va dirigido a aquellas minas que se encuentran en un grado de madurez tecnológica similar a las del Módulo B, es decir, minas que cuentan con datos de uso y funcionamiento de los equipos y dispongan de sistemas de análisis descriptivo. La principal diferencia se encuentra en el hecho de que estos datos deberán haber sido recogidos y almacenados durante un periodo más largo de tiempo para poder aplicar el modelo propuesto con éxito.

Este módulo pasa por la evaluación de las anomalías existentes en los parámetros procedentes de los principales componentes y subsistemas de los equipos de operación. Estas anomalías se consideran tales cuando son comparadas, por un lado, con la media habitual de los parámetros, y por otro lado, con una serie de reglas predefinidas. El objetivo de analizar las anomalías es identificar valores que puedan ser indicativos de fallos en los equipos, y atacar el problema antes de que se produzca la avería.

Para evaluar las anomalías, los datos de uso, funcionamiento y características de los equipos son ingestados en nuestro sistema y analizados a través de un modelo ARIMA de detección de anomalías. La información ofrecida tiene un carácter predictivo, y permite detectar fallos tempranos en los subsistemas y componentes que puedan causar averías futuras. Esta información es especialmente relevante para los encargados del mantenimiento de los equipos de operación minera.

Los resultados del modelo de detección de anomalías se presentan al cliente a través del Outliers Dashboard, un informe de carácter predictivo que muestra las condiciones normales de funcionamiento de los equipos y los valores atípicos encontrados, alertando de forma temprana sobre aquellos parámetros que puedan indicar futuros fallos. Además de visualizar, el Outliers Dashboard nos permite enviar alertas a los responsables en caso de criticidad de alguna de las anomalías detectadas en el análisis.

6.2.4 – Módulo D - Actuación y Prescripción

El cuarto y último de los módulos en los que se estructura nuestra solución se configura como la solución integral anteriormente descrita, y va dirigida a aquellas empresas con mayor grado de madurez tecnológica que cuenten con sistemas de visualización y análisis sencillo de los datos de la mina, bien a través de soluciones propias o de nuestros Módulos A, B y C.

Este módulo pasa por la construcción de un plan de mantenimiento predictivo para los equipos de operación de la mina, evaluando el momento más adecuado para el desarrollo de las actividades de mantenimiento de los equipos en base a las condiciones de uso, funcionamiento, características e historial de mantenimiento de los mismos. Además, el plan de mantenimiento predictivo considera el coste asociado a los fallos y prioriza las actividades de mantenimiento considerando dichos costes.

Para construir el plan de mantenimiento predictivo, nuestro sistema ingesta los datos sobre las condiciones de uso, funcionamiento, características, historial de mantenimiento, catálogo de componentes y costes de indisponibilidad asociados, analizando los mismos a través de una

serie de modelos predictivos encuadrados en el Next Best Maintenance Activity. El resultado

final es una matriz de acción que distribuye en las columnas las actividades de mantenimiento y en las filas cada uno de los equipos con sus componentes y subsistemas. El valor de cada una de celdas es el resultado probabilístico de la aplicación del modelo multiplicado por el coste que implicaría para la mina no desarrollar la actividad de mantenimiento. De esta forma, construimos un plan de mantenimiento predictivo actualizado en base al estado real de los equipos.

Los resultados de la aplicación de los modelos se presenta en el modo de matriz que acabamos de mencionar en el Oversight Dashboard, un informe de carácter predictivo que muestra el mejor programa de mantenimiento para cada equipo y permite realizar proyecciones a futuro. Este informe resulta fundamental como guía para los encargados de mantenimiento de la mina, pero también para los de operaciones, que verán reducida la indisponibilidad sobrevenida de los equipos y pueden prever sus tareas de forma más precisa.

Módulo D – Actuación y Prescripción