Desarrollo modelo de mantenimiento predictivo para equipos mineros en Distribuidora Cummins Chile S.A.

• Main Author: Santibáñez Espinoza, Alberto Matías
• Other Authors: Muñoz Krsulovic, Ezequiel
• Language: es
• Published: Universidad de Chile 2017
• Subjects: Gestión de negocios; Industria minera - Chile; Estrategia del desarrollo; Maquinaria minera - Mantenimiento y reparación; Modelo logístico; Modelo predictivo
• Online Access: http://repositorio.uchile.cl/handle/2250/143704

Magíster en Ingeniería de Negocios con Tecnologías de Información === Este proyecto busca la optimización del servicio de mantenimiento en una de las unidades de negocios más importantes de Distribuidora Cummins Chile: el Mining Group. El Mining Group concentra aproximadamente el 50% de la venta y el 50% del margen de la empresa entregando servicios a la minería, es por lo anterior, que esta área es considerada estratégica para la búsqueda de oportunidades de mejora a través de sus procesos productivos, además de encontrarse en un periodo de recesión en cuanto a la carga de trabajo por la contracción actual del mercado, lo que genera oportunidades de mejora que deben ser aprovechados de la mejor forma posible. Basado en las líneas de desarrollo que Distribuidora Cummins Chile S.A. ha definido en su estrategia corporativa, se ha decidido como objetivo la búsqueda de un modelo de predicción de fallas en la flota de motores Cummins que se encuentran en funcionamiento en las distintas faenas mineras a lo largo de Chile, esto permitirá optimizar los procesos productivos relacionados a los servicios de mantención de motores, cuyo efecto, ofrecerá beneficios de forma indirecta a las distintas faenas, siendo su principal consecuencia la búsqueda de disminución de costos de mantenimiento correctivo mediante la identificación de patrones de falla en la flota total de la empresa, lo anterior, desarrollado bajo la metodología de Macroprocesos definida por el profesor Oscar Barros. === CONICYT-PCHA/Magíster Nacional/2014 - 22140129 Powered@NLHPC: Esta investigación fue parcialmente apoyada por la infraestructura de supercómputo del NLHPC (ECM-02) Powered@NLHPC: This research was partially supported by the supercomputing infrastructure of the NLHPC (ECM-02 === 7/11/2021