La falta de estabilidad operativa en tiempo real y la carencia de datos provocan disminución de rendimiento. El proceso de molienda es subóptimo en uso de energía (solo 5% aprovechable) y tiene un alto consumo de acero. Además, existen riesgos de seguridad por mediciones manuales dentro de los molinos.
Servicio integral de IoT con sensores desechables de diseño propio (instalados en pernos o bolas) que capturan datos modelados con Machine Learning e IA. La información (impactos, niveles de llenado, ángulos) se visualiza en tiempo real en la plataforma AKILES.Servicio integral de IoT con sensores desechables de diseño propio (instalados en pernos o bolas) que capturan datos modelados con Machine Learning e IA. La información (impactos, niveles de llenado, ángulos) se visualiza en tiempo real en la plataforma AKILES.
Aumenta el TPH (toneladas por hora), permite mantenimiento predictivo basado en la salud del activo, minimiza la exposición del personal al riesgo y optimiza el consumo de energía y acero.Aumenta el TPH (toneladas por hora), permite mantenimiento predictivo basado en la salud del activo, minimiza la exposición del personal al riesgo y optimiza el consumo de energía y acero.
TPH (Rendimiento), Eficiencia Energética, Consumo de Acero, Tiempo de mantenimiento
Incremento de TPH en rango de 0,1% a 3%. Aumento de la eficiencia energética de molienda en 5%. Reducción del consumo de acero en 5%
Operación con falta de estabilidad que disminuye el rendimiento, mediciones manuales con alto riesgo de accidentes y eficiencia energética baja.