Modelo de mantenimiento predictivo fundamentado en técnicas tribológicas para los motores diésel de la empresa Concremóvil S.A.S.

Simple item page
dc.contributor.advisorGuillín Estrada, Wilson
dc.contributor.authorVillamil Bravo, Gustavo Adolfo
dc.contributor.authorCáceres León, Dimar
dc.contributor.evaluatorBorrás Pinilla, Carlos
dc.date.accessioned2025-09-02T14:47:09Z
dc.date.available2025-09-02T14:47:09Z
dc.date.created2025-08-11
dc.date.issued2025-08-11
dc.description.abstractEste estudio desarrolló un modelo predictivo de mantenimiento basado en análisis tribológico de aceites lubricantes para equipos diésel de Concremóvil SAS. Mediante el monitoreo sistemático de parámetros clave (viscosidad, metales de desgaste, oxidación y TBN), se establecieron patrones de degradación que permitieron extender los intervalos de mantenimiento de 700 a 1000 horas sin comprometer la integridad de los equipos, mediante la identificación de tendencias en las variables tribológicas medidas en análisis históricos de la muestra, consistente en un conjunto definido de vehículos de la flota de Concremóvil SAS. La implementación piloto mostró reducciones del 20-25% en costos operativos (lubricantes, filtros y mano de obra), con potencial de ahorros mayores al escalarse a toda la flota. El enfoque se alinea con estándares ISO 55001 y combina accesibilidad técnica (bajo requerimiento de infraestructura IoT) con adaptabilidad a condiciones operativas reales. Como limitación, el modelo requiere recalibración para distintos tipos de equipos y entornos, sugiriendo futuras mejoras con integración de machine learning u otros modelos de aprendizaje automático, al igual que la realización de nuevas mediciones que aporten robustez al modelo. Este caso evidencia el valor de las estrategias predictivas para la gestión de activos en la industria pesada, y abre la puerta a futuros desarrollos orientados a la mejora de la gestión de activos de Concremóvil SAS.
dc.description.abstractenglishThis study developed a predictive maintenance model based on tribological analysis of lubricating oils for diesel equipment at Concremóvil. Through systematic monitoring of key parameters (viscosity, wear metals, oxidation, and TBN), degradation patterns were established, enabling the extension of maintenance intervals from 700 to 1000 hours without compromising equipment integrity. This was achieved by identifying trends in tribological variables measured in historical oil analysis data from a defined sample of vehicles in Concremóvil's fleet. The pilot implementation demonstrated reductions of 20-25% in operational costs (lubricants, filters, and labor), with potential for greater savings when scaled to the entire fleet. The approach aligns with ISO 55001 standards and combines technical accessibility (low IoT infrastructure requirements) with adaptability to real operating conditions. As a limitation, the model requires recalibration for different equipment types and environments, suggesting future improvements through integration with machine learning or other automated learning models, as well as additional measurements to enhance model robustness. This case study highlights the value of predictive strategies for asset management in heavy industry and paves the way for future developments aimed at improving asset management practices at Concremóvil.
dc.description.degreelevelEspecialización
dc.description.degreenameEspecialista en Gerencia de Mantenimiento
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/46135
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programEspecialización en Gerencia de Mantenimiento
dc.publisher.schoolEscuela de Ingeniería Mecánica
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectMantenimiento predictivo
dc.subjectAnálisis de aceite
dc.subjectTribología
dc.subjectGestión de flotas
dc.subjectIndustria 4.0
dc.subject.keywordPredictive Maintenance
dc.subject.keywordOil Analysis
dc.subject.keywordTribology
dc.subject.keywordFleet Management
dc.subject.keywordIndustry 4.0
dc.titleModelo de mantenimiento predictivo fundamentado en técnicas tribológicas para los motores diésel de la empresa Concremóvil S.A.S.
dc.title.englishPredictive Maintenance Model Based on Tribological Techniques for Diesel Engines at Concremóvil S.A.S.
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Especialización
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
163.78 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
180.38 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
1.45 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Especialización en Gerencia de Mantenimiento