Diseño de un plan de optimización del mantenimiento de los motores de tracción para locomotoras mediante el análisis de datos históricos y Big Data

Abstract

Este trabajo de grado presenta un enfoque integral para optimizar el mantenimiento preventivo de los motores de tracción de locomotoras en Drummond Ltd., mediante el uso de Big Data y análisis de datos históricos. A pesar de un sistema de mantenimiento preventivo bien estructurado, la empresa experimenta frecuentes paradas no programadas, lo que afecta tanto su operatividad como su competitividad en el mercado. El análisis de datos históricos combinado con técnicas de Big Data permite predecir fallas recurrentes, lo que facilita la programación del mantenimiento de manera más eficiente y adaptada a las necesidades específicas de cada locomotora. La implementación de este modelo predictivo mejora la disponibilidad operativa de las locomotoras, reduce los costos asociados a tiempos de inactividad y aumenta la eficiencia operativa general. Los resultados sugieren que el uso de Big Data en el mantenimiento predictivo puede transformar la gestión de los activos ferroviarios, llevando a una optimización significativa de los recursos y una mayor competitividad en el sector.