Diseño Conceptual de Algoritmos Híbridos para la Detección Temprana de Fallas Mecánicas en Sistemas de Transmisión de Correas Transportadoras en Minería

Abstract

El presente trabajo aborda el diseño conceptual de una metodología híbrida para la detección temprana de fallas mecánicas en el sistema de transmisión de una correa transportadora en la industria minera. El objetivo principal es mitigar las detenciones no programadas y los altos costos operativos asociados. La metodología integra el análisis de dos fuentes de datos: vibración y temperatura. Mediante el preprocesamiento de señales, se aplica la Transformada Rápida de Fourier (FFT) para el análisis espectral y la fusión de datos se realiza extrayendo el Valor Cuadrático Medio (RMS) por bandas de frecuencia y alineándolo con la data térmica. Posteriormente, se implementa un análisis segmentado de la progresión de estas características para establecer umbrales de alarma rigurosos y cuantitativos. Estos criterios permiten monitorear la inestabilidad y la energía vibratoria a lo largo del tiempo, identificando el estado incipiente de fallas críticas (rodamientos, desalineación). El enfoque sienta las bases para un sistema predictivo robusto, contribuyendo a la optimización del mantenimiento en el contexto de la Minería 4.0.

This thesis addresses the conceptual design of a hybrid methodology for the early detection of mechanical failures in the transmission system of a mining conveyor belt. The main objective is to mitigate unscheduled shutdowns and the high operating costs associated. The methodology integrates the analysis of two data sources: vibration and temperature. Through signal preprocessing, the Fast Fourier Transform (FFT) is applied for spectral analysis, and data fusion is performed by extracting the Root Mean Square (RMS) value per frequency band and aligning it with the thermal data. Subsequently, a segmented analysis of the progression of these features is implemented to establish rigorous and quantitative alarm thresholds. These criteria allow for monitoring instability and vibratory energy over time, identifying the incipient state of critical failures (bearings, misalignment). This approach lays the groundwork for a robust predictive system, contributing to maintenance optimization within the context of Mining 4.0.