Maestría en Gerencia de Mantenimiento

Permanent URI for this collection

https://noesis.uis.edu.co/handle/20.500.14071/9019

Browse

Browsing Maestría en Gerencia de Mantenimiento by browse.metadata.advisor "Borrás Pinilla, Carlos"

Now showing 1 - 8 of 8
  • No Thumbnail Available
    Item
    Diseño de un sistema de información para la gestión de indicadores de mantenimiento tipo lagging en una empresa avícola
    (Universidad Industrial de Santander, 2024-02-22) Fuentes Palomino, David Javier; Borrás Pinilla, Carlos; Fuentes Díaz, David Alfredo; Hernández Pinto, William
    El autor de este texto expone un sistema de información para la gestión de indicadores de mantenimiento tipo lagging en una empresa del sector avícola, el cual permitió a los equipos de mantenimiento simplificar los análisis de datos, reducir los tiempos de creación de reportes y tener un control más detallado de las gestiones de mantenimiento que se realizan en la totalidad de centros productivos de la organización. Mediante la estandarización del concepto básico de cálculo de los indicadores, el seguimiento de metas, benchmarking de referencia y la trazabilidad histórica en tiempo (años, semestres, meses, etc.) el sistema de información facilita a las partes interesadas de mantenimiento (Operativo, táctico y operacional) comprender la interacción e impacto del trabajo ejecutado en los resultados medidos y analizados. A través de la compilación de bases de datos extraídas de ERP (Enterprise resource planning) PM-SAP las cuales son ordenadas y graficadas por un algoritmo programado en el software Python se proporciona una interfaz dinámica para la toma decisiones de forma rápida desde la perspectiva de la costó-eficiencia, identificando así, acciones de mejora de los procesos que conforman la gestión global de mantenimiento.
  • No Thumbnail Available
    Item
    Estimación de la vida útil remanente de los transformadores de potencia de la Central Hidroeléctrica Urra I utilizando técnica de inteligencia artificial
    (Universidad Industrial de Santander, 2023-03-09) Sierra Flórez, Mario José; Borrás Pinilla, Carlos; Quiroga Méndez, Jabid Eduardo; González Estrada, Octavio Andrés
    Los transformadores de potencia de la Central Hidroeléctrica Urra I son activos de gran importancia para la generación de la energía eléctrica, los cuales elevan la tensión de salida de los generadores de 13,8 kV a 230 kV para, posteriormente, llevar la energía a través de cables hasta la subestación donde se integra al sistema interconectado nacional. Es por esto que un buen mantenimiento y operación de estos transformadores es vital para la continuidad en el suministro de energía eléctrica. Para realizar seguimiento al estado de los transformadores de potencia se han instalado equipos para monitoreo en línea de gases disueltos en el aceite (DGA) y controladores electrónicos de la temperatura del transformador. Este proyecto tiene como base la búsqueda de una metodología para estimar la vida útil remanente de un transformador de potencia inmerso en aceite utilizando los registros de los equipos de medida mencionados anteriormente, y aplicando una técnica de inteligencia artificial. Inicialmente se realizó un estudio de las diferentes técnicas basadas en inteligencia artificial con el fin de seleccionar la más adecuada de acuerdo con las características de la data existente. Seguido se plantean metodologías para estimar la vida remanente de un transformador utilizando análisis de regresión y aplicando la herramienta computacional Matlab. Por último, se realiza un análisis de resultados de aplicar el modelo obtenido, donde se pudo encontrar que es posible estimar la vida útil remanente de un transformador con una buena aproximación utilizando un análisis de regresión con la app regression learner de Matlab.
  • No Thumbnail Available
    Item
    Herramienta gerencial para implementar un sistema de Gestión de Activos en redes de distribución de Gas Natural
    (Universidad Industrial de Santander, 2023-07-26) Motato Toro, Óscar Fernando; Borrás Pinilla, Carlos; Martínez, Manuel de Jesús; Pertuz Comas, Alberto David
    Considerado históricamente como una carga presupuestal, la gestión de mantenimiento ha evolucionado a una disciplina que implica equilibrar los costos, y el riesgo controlado frente al rendimiento deseado de los activos. Entre los beneficios que se logran con una Gestión de los Activos están aquellos relacionados con el aseguramiento la disponibilidad y confiabilidad de la infraestructura, la gestión del ciclo de vida, la armonización con el marco regulatorio y el fortalecimiento de la cultura organizacional. Como la Gestión de los Activos requiere un enfoque multidisciplinar que demanda procesos bien establecidos y controlados, recurso humano capacitado, manejo efectivo de la información, integración entre áreas técnicas y gerenciales, y liderazgo altamente comprometido, se presentan barreras su difusión e implementación. Con esta motivación, el propósito de este trabajo es elaborar una herramienta gerencial para implementar Sistemas de Gestión de Activos en la cadena de Distribución de Gas Natural, con base en los requerimientos de los estándares ISO 55000. El enfoque metodológico este trabajo se estructuró en cinco etapas: (i) un análisis bibliométrico del estado del arte, basado en un revisión compresiva y clasificada de 1.200 investigaciones académicas, (ii) la descripción genérica del sistema de distribución de Gas Natural y su marco regulatorio local, (iii) la descripción de herramientas para la evaluación de los contextos externos e internos, (iv) diagnóstico de las capacidades iniciales del de Gestión de los Activos bajo estándar ISO 55000, y (v) aplicación práctica de los requerimientos de los estándares de la serie ISO 55000. Como resultado de este trabajo se espera impactar positivamente el segmento industrial de la Distribución de Gas Natural, al brindar una herramienta simplificada para aplicar un Sistema de Gestión de Activos, y al entorno científico local, al entregarle una producción investigativa que se convierte en un marco de referencia para investigaciones y desarrollos complementarias.
  • No Thumbnail Available
    Item
    Modelo de detección de fallas en motores Caterpillar 3508b usando máquinas de soporte vectorial (SVM) y análisis de componentes principales (PCA) en muestras de aceite
    (Universidad Industrial de Santander, 2019) Aroca Fragozo, Oscar Iván; Borrás Pinilla, Carlos; Díaz Guerrero, Pedro José; Galindo Gámez, Oscar Enrique
    El objetivo principal de este trabajo consiste en implementar técnicas avanzadas de detección y diagnóstico de fallas basándose en sistemas de aprendizaje, particularmente usar métodos estadísticos (análisis de componentes principales) y sistemas de aprendizaje (máquinas de soporte vectorial) para la detección y diagnóstico de los siguientes modos de falla: Combustión incorrecta, fuga del sistema de refrigeración, paso de gases al Carter de la cámara de combustión Blow-By, ingreso de partículas de medio ambiente, éstos cuatro modos de falla son los que más afectan los motores Caterpillar 3508B y se diagnostican aplicando la tribología en las muestras de aceite 15W40. La Tribología se considera una ciencia aplicable que conjuga toda una serie de elementos importantes en el diseño, fabricación y operación de las máquinas como la Fricción, naturaleza de los materiales, rugosidad, desgaste, lubricación, consumo de energía y medio ambiente, la tribologia detecta y diagnostica el estado de la falla en los componentes, según si la tendencia de uno o varios elementos y componentes propios del aceite de la maquina o externos a él, aumenta o disminuye de esta forma se pueden programar la reparación o cambio en una ventana de oportunidad. El algoritmo de PCA se implementa para reducir y clasificar la dimensión de la base de datos Historial tribología aceite 15W40, validando los vectores etiqueta de clases los cuales sirven de entrenamiento para el algoritmo de la SVM multiclase uno contra uno y uno contra todos, el mejor desempeño en cuanto a precisión y tiempo de procesamiento se obtuvo con los Kernel function Lineal con un método multiclase uno contra todos, el accuracy obtenido es de 99.9%.
  • No Thumbnail Available
    Item
    Modelo de gestión para determinar plan de cambio de bastidores y orugas aplicando machine learning en la flota de tractores de orugas de Cerrejón
    (Universidad Industrial de Santander, 2021) Gómez Mercado, Pedro Saúl; Borrás Pinilla, Carlos
    Cerrejón es una compañía minera de explotación de carbón que se ha visto afectada por la caída drástica del precio del carbón en el último año, lo que la ha llevado a buscar estrategias que la ayuden a seguir siendo una mina costo efectiva y vigente en el mercado. En este proyecto se propone la incorporación de técnicas avanzadas de mantenimiento basadas en el análisis de datos por medio de aprendizaje automático que permitan la optimización de la estrategia de cambio de los componentes bastidores y orugas. En este trabajo se estudia y determinan los principales modos de fallos de los componentes del tren de rodaje y a partir del registro histórico de sus fallas y el uso de machine learning con el software Matlab. Se determinó un modelo de aprendizaje supervisado de Maquina de soporte vectorial que permite clasificar la condición de desgaste y condición de operación normal, de acuerdo con las mediciones del porcentaje de desgaste de las partes de estos componentes y sus horas de operación, con una precisión de 98% para las orugas y 100% para bastidores. Con este modelo se busca tomar decisiones asertivas con respecto al cambio de estos componentes que permitan reducir al máximo los fallos imprevistos o no programados.
  • Thumbnail Image
    Item
    Modelo de gestión para determinar plan de cambio de bastidores y orugas aplicando Machine Learning en la flota de tractores de orugas de Cerrejón
    (Universidad Industrial de Santander, 2021) Gómez Mercado, Pedro Saúl; Borrás Pinilla, Carlos; Quiroga Méndez, Jabid Eduardo; Sánchez Acevedo, Heller Guillermo
    Cerrejón es una compañía minera de explotación de carbón que se ha visto afectada por la caída drástica del precio del carbón en el último año, lo que la ha llevado a buscar estrategias que la ayuden a seguir siendo una mina costo efectiva y vigente en el mercado. En este proyecto se propone la incorporación de técnicas avanzadas de mantenimiento basadas en el análisis de datos por medio de aprendizaje automático que permitan la optimización de la estrategia de cambio de los componentes bastidores y orugas. En este trabajo se estudia y determinan los principales modos de fallos de los componentes del tren de rodaje y a partir del registro histórico de sus fallas y el uso de machine learning con el software Matlab. Se determinó un modelo de aprendizaje supervisado de Maquina de soporte vectorial que permite clasificar la condición de desgaste y condición de operación normal, de acuerdo con las mediciones del porcentaje de desgaste de las partes de estos componentes y sus horas de operación, con una precisión de 98% para las orugas y 100% para bastidores. Con este modelo se busca tomar decisiones asertivas con respecto al cambio de estos componentes que permitan reducir al máximo los fallos imprevistos o no programados.
  • No Thumbnail Available
    Item
    Modelo gerencial de mantenimiento basado en el análisis y gestión de riesgos para el tren de aterrizaje delantero y principal del avión Piper PA-34- 200T Seneca II
    (Universidad Industrial de Santander, 2022-11-12) Robles Rodríguez, Carlos Andrés; Borrás Pinilla, Carlos; Pertuz Comas, Alberto David; Pinto Hernández, William
    De acuerdo con las estadísticas llevada por la Dirección de Investigación de Accidentes de la Aeronáutica Civil de Colombia, en los últimos años la aeronave Piper PA34-200T Seneca II, ha sido una de las aeronaves que más eventos de incidentes ha presentado a causa de las fallas o mal funcionamiento del Conjunto de Trenes de Aterrizaje, razón por la cual genera una alta incertidumbre tanto para operadores de la aeronave como para la Autoridad Aeronáutica por el riesgo inherente presente. En la búsqueda del entendimiento de la situación presentada, el autor hace necesario investigar y analizar las posibles causas que desata este evento, por lo que acude seguir los lineamientos establecidos de la norma ISO 3100:2018 el cual brinda directrices para realizar la gestión de riesgos, así mismo, en apoyo de la norma ISO 31010:2020 elegir la metodología de análisis de corbatín (Bowtie) como la técnica de gestión del riesgo que mejor se ajusta al alcance, criterio y contexto operacional aeronáutico, el cual facilita comprender a profundidad las causas e impactos asociados a un riesgo ya conocido. Con la implementación y desarrollo del Bowtie, se prioriza plantear diferentes barreras de control tanto preventivas como de recuperación y con base en su categoría, tipo y efectividad, permite el accionar en la mitigación del riesgo presente en el sistema, así mismo, analizar los eventos contribuyentes para que cada barrera no logre degradarse en su efectividad. Con lo planteado en este trabajo de grado, permitirá a los operadores aéreos utilizar la metodología de Bowtie, como modelo gerencial basado en el análisis y gestión de riesgos, con el fin de desarrollar nuevas actividades operacionales y de mantenimiento, con el objetivo de controlar y evitar la materialización de fallas o mal funcionamiento en el conjunto de tren de aterrizaje en la aeronave Piper PA34-200T.
  • No Thumbnail Available
    Item
    Modelo inteligente para detectar los fallos del compresor centrifugo SC-2651 de la unidad de Hydrocraking moderado HCM en la refinería de Barrancabermeja
    (Universidad Industrial de Santander, 2024-02-27) Mendoza Serrano, Jhonatan Isaac de Jesús; Borrás Pinilla, Carlos; Quiroga Méndez, Jabid Eduardo; González Estrada, Octavio Andrés
    Este proyecto aborda el desarrollo de un sistema de detección de fallas en un sistema de compresión de hidrógeno utilizando técnicas avanzadas de inteligencia artificial. Se emplearon tres clasificadores principales: Discriminador Cuadrático, Máquina de Soporte Vectorial Gaussiana y Clasificador de Subespacio KNN, los cuales fueron entrenados y validados para identificar y clasificar correctamente las fallas en el sistema de compresión. Los resultados obtenidos durante el proceso de entrenamiento y validación mostraron una precisión general superior al 80%, destacando el desempeño prometedor de los clasificadores en la detección de fallas. A pesar de los resultados alentadores, se identificaron desafíos significativos, como la confusión entre fallas de sellos y de rotor, atribuible a errores en la segmentación de datos y similitudes en los comportamientos bajo ciertas condiciones operativas. Además, se exploraron posibles causas de este fenómeno, incluyendo errores intrínsecos en el proceso de entrenamiento y la coincidencia de fallas con menor intensidad. A pesar de estos desafíos, los resultados respaldan la efectividad del enfoque de inteligencia artificial en la detección de fallas en sistemas de compresión de hidrógeno. Este proyecto representa un avance significativo hacia el desarrollo de un sistema de detección de fallas confiable y eficiente en entornos industriales. El próximo paso crítico implica la validación del sistema con datos independientes, que garantizará su robustez y precisión en escenarios del mundo real. Estos hallazgos tienen importantes implicaciones para la seguridad y eficiencia en operaciones industriales, destacando el potencial de la inteligencia artificial en la mejora de la monitorización y el mantenimiento de sistemas críticos como los compresores de hidrógeno. Demás de los avances tecnológicos, este proyecto también contribuye al desarrollo de estrategias de mantenimiento predictivo en la industria, lo que permite una gestión más eficiente de los activos y una reducción significativa de los costos asociados con el mantenimiento no planificado.