IA para el mantenimiento predictivo en canteras: modelado
54º Congreso Español de Acústica — Tecniacústica 2023
Abstract
La dependencia de materias primas, especialmente en el sector minero, es una pieza clave en la economía actual. Los agregados son vitales, siendo la segunda materia prima más usada después del agua. Transformar digitalmente este sector es clave para optimizar las operaciones. Sin embargo, la supervisión y mantenimiento (predictivo y correctivo) son desafíos poco explorados en este sector, debido a las particularidades del sector, la maquinaria y las condiciones ambientes. Todo ello, a pesar de los éxitos alcanzados en la monitorización con sensores acústicos y de contacto. Presentamos un esquema de aprendizaje no supervisado que entrena un modelo de autocodificador variacional sobre un conjunto de registros de sonido. Se trata del primer conjunto de datos de estas características recabado durante las operaciones de las plantas de procesamiento, y que contiene información de distintos puntos de la línea de procesado. Los resultados evidencian la capacidad del modelo para reconstruir y representar en el espacio latente los sonidos registrados, las diferencias en las condiciones de operación y entre los distintos equipos. En el futuro, esto debe facilitar la clasificación de los sonidos, así como la detección de anomalías y patrones de degradación en el funcionamiento de la maquinaria.