Optimización del mantenimiento del trommel mediante Lean Maintenance, análisis del MTTR/MTBF y mejoras de producción con simulación Monte Carlo

Resumen

El trommel es un equipo fundamental en el procesamiento de los minerales sulfurados, ya que permite la separación de finos, arcillas, y material adherido que afecta a la eficiencia de molienda. En diversas operaciones cupríferas se observan la existencia de fallas frecuentes relacionadas con el desgaste acelerado de los liners, ciertas obstrucciones internas y reparaciones no planificadas, lo que incrementa la variabilidad operativa y limita el rendimiento global de la planta. En el cual ciertas condiciones justifican la implementación de ciertas estrategias de mantenimiento orientadas a la mejora continua y el control de la confiabilidad del equipo. El presente estudio desarrolla una propuesta integral se optimización del mantenimiento del trommel, basados en Lean Maintenance y el seguimiento de indicadores clave de desempeño como el Overall Equipment Effectiveness (OEE), el MTBF y MTTR. Para la validación del diagnóstico, se emplearon métodos de confiabilidad avanzada, incluyendo el modelo de Weibull y la simulación Monte Carlo, utilizando datos reales de tiempos entre fallas de equipos rotatorios con condiciones de desgaste equivalente al trommel. La metodología se centró en el análisis de fallas concurrentes. Los resultados muestran un comportamiento de falla de desgaste progresiva (β=4.21) y una vida de 225 h, con una probabilidad de falla del 40 % antes de las 200 h. La simulación Monte Carlo evidenció que el mantenimiento preventivo sea optimo debe realizarse entre 160­-190 h para evitar interrupciones no programadas. La integración Lean + Confiabilidad permitió optimizar la gestión del mantenimiento, tales que ayudó a reducir tiempos de reparación, incrementando MTBF y mejorando la disponibilidad del equipo.

Referencia

[1]          Apaza, N. C. (2021). Implementación de la metodología TPM-Lean Manufacturing para mejorar la eficiencia general de los equipos (OEE) en la producción de repuestos en una empresa metalmecánica. Ind. Data, 24(1), 49-62.

DOI: https://doi.org/10.15381/idata.v24i1.18402

[2]          Pinto-Zegarra, D. R.; García-Lopez, Y. J. (2024). Application of Lean and TPM Tools to Improve OEE: A Case Study in Peruvian Metalworking SMEs. Proceedings of the International Conference on Industrial Engineering and Operations Management.

DOI: https://doi.org/10.46254/BA07.20240057

[3]          Kurniati, N.; Anggrahini, D.; Kusumaningrum, D.; Ilham, P. (2019). Lean Implementation on Production Process and Maintenance Practice for Productivity Improvement Proceedings of the 1st International Conference on Industrial Technology, 144-149.

DOI: https://doi.org/10.5220/0009424301440149

[4]          Lama, H. O. (2024). Operaciones Mineras. Editorial Universal Peruana de Ciencias Aplicadas (UPC). Accedido:13 de diciembre de 2025.

DOI: https://doi.org/10.19083/978-612-318-069-0

[5]          FLSmidth.((2024). Screen media optimisation triples wear life: A case study.

DOI: https://doi.org/10.5117/mab.89.31299

[6]          Kusuma, P. D.; Dinimaharawati, A. (2022). Fixed Step Average and Subtraction Based Optimizer. International Journal of Intelligent Engineering and System,15(4),332-343.

DOI: https://doi.org/10.22266/ijies2022.0831.31

[7]          Multotec. (2024). Case Study: Trommel Success - 5000 tons per hour in a copper application. Multotec South Africa.

DOI: https://doi.org/10.47669/psprp-1-2024

[8]          Rahman, F. A.; Sugiono, S. (2022). Optimization maintenance performance level through collaboration of overall equipment effectiveness and machine reliability. FME Transaction, 50(3), 543-551.

DOI: https://doi.org/10.19083/tesis/684065

[9]          Canahua, N. (2021). Implementacion de la metodologia TPM-Lean Manufacturing para mejorar la eficiencia general de los equipos (OEE) en la producción de repuestos en una empresa metalmecanica. 24(1), 49-76

DOI: https://doi.org/10.15381/idata.v24i1.18402

[10]       Hia, S. W.; Pramudjito, P. A. (2024). Reduce mean time to repair of mining equipment with lean six sigma. Operations Excellence: Journal of Applied Industrial Engineering, 16(3), 331-340.

DOI: https://doi.org/10.22441/oe.2024.v16.i3.125

[11]       Jardine, A. K.;Tsang, A, H. (2013). Maintenance, Replacement, and Reability: Theory and Applications. 2nd ed. CRC Press. 

DOI: https://doi.org/10.1201/b14937

[12]       Blanco, J. Dederichs, T. (2018). Lean Maintenance: A Practical, step-By-Step Guide for Increasing Efficiency. 1st ed. Productivity Press.

DOI: https://doi.org/10.4324/9781315178226

[13]       Barabadi, A.; Kumar, U. (2021). Reability analysis of mining equipment. Reability Engineering & System Safety, 96(12), 1647-1655.

DOI: https://doi.org/10.1016/j.ress.2011.03.005

[14] Barabadi, A.; barabady, J.; Markeset, T. (2014). Aplication of reliability models with covariates in spare part prediction and optimization-A case study, 123, 1-7.

DOI: https://doi.org/10.1016/j.ress.2013.09.012

[15] Kroese, D.; Taimre, T.; Botev, Z. (2011). Handbook of Monte Carlo Methods. Jhon Wiley & Sons.

DOI: https://doi.org/10.1002/9781118014967

[16]       Nguyen, D.; Bagajewicz, M. (2008). Optimization of preventive Maintenance scheduling in processing  plants. Computer Aided Chemical Engineering , 25, 319-324.

DOI: https://doi.org/10.1016/S1570-7946(08)80058-2