Modelamiento de la carga de extracción de los sistemas de izaje para dimensionar la potencia del motor en la Compañía de Minas Buenaventura S.A.A
Bibliographic record
Abstract
Según el reporte mensual de mantenimiento realizado al sistema de izaje, las paradas programadas y paradas imprevistas, representan horas maquina muertas, las cuales son bastante considerables. Con el estudio realizado en el presente trabajo se alcanzó a determinar la raíz del problema que ocasionaba las paradas intempestivas. Las horas maquina muertas representan pérdidas económicas a la empresa. El área de gerencia Lima exigía reducir las horas muertas de las máquinas, para ello realizamos el modelamiento de las cargas estáticas y dinámicas del sistema de izaje para un dimensionamiento correcto de la potencia del motor eléctrico del winche. En el desarrollo de la investigación se encontró, varios componentes que no cumplían con las medidas adecuadas, una de ellas fue la jaula para el transporte de materiales; Que fue fabricada empíricamente en los talleres de mantenimiento mecánico de la unidad. Realizado los cálculos correspondientes, el resultado nos arrojó que el equipo estaba sobre dimensionado. Este tipo de cálculos nos impulsó a realizar un análisis a todos los elementos del sistema de izaje. En el estudio realizado se utilizó como muestra el winche de izaje CIR (CANADIAN INGERSOLL RAND). El mismo que estuvo trabajando con un motor de 200HP y un motor en Stand Bey de 150 Hp. Del estudio realizado se concluye mediante los cálculos matemáticos que el motor que está trabajando esta sobrecargado. Los resultados de los cálculos arrojaron un valor de 238 HP, la capacidad de este motor no se encuentra en el mercado, el cual se determinó para un trabajo óptimo debe de ser un motor de 250 HP es decir claramente que la unidad de producción debe adquirir dos motores de mayor capacidad, por lo tanto, los motores eléctricos que estuvieron trabajando no son los adecuados, el cual genero el constante colapso y paras intempestivas. Tal como se muestra en los reportes de mantenimiento que en un año se cambió tres veces el motor eléctrico por causa de fuera de servicio. Este reporte se puede observar en el anexo 2. Cuando se realizó el modelamiento de las cargas estáticas. Se tomaron datos de campo de todos los componentes del equipo de izaje, y luego se contrasto con los catálogos de los componentes. Por otro lado, para la toma de datos del cable de acero se realizó mediante una inspección electromagnética con el equipo de Rotescograph Console, para las otras partes se utilizó: tablas, ábacos, fórmulas matemáticas y entre otros. Al realizar el modelamiento de las cargas dinámicas. Se hizo un seguimiento a los trabajadores que estuvieron involucrados en el desarrollo de la investigación para determinar cantidad de material que se puede llenar en el balde en un determinado tiempo, obteniendo un promedio de 90% de llenado y un factor de esponjamiento del material, las cuales fueron realizadas por el chutero. Para los cálculos correspondientes del modelamiento de las cargas estáticas y dinámicas se desarrollaron a través de cálculos matemáticos, es decir, usando formulas ya establecidas, también se plasmó en un programa computacional Excel. Por lo tanto, este trabajo nos permitió dimensionar correctamente la potencia real del motor eléctrico. La cual permitirá tomar decisiones adecuadas frente a los problemas de horas maquina muertas que se presentaba en los sistemas de izaje, para ello se realizó la comparación de potencias del motor eléctrico.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".