IMC-2018学习区42:31
Eric Gbadam，里约热内卢Tinto Kennecott
在里约热内卢Tinto Bingham Canyon矿，大容量重型采矿设备(HME)，如电动和液压铲，钻机和拖车被用于经济高效地挖掘废物和矿石。设备意外停机导致重大生产损失。它还会影响人员安全，并对环境产生不利影响。多年来，已经产生了大量关于设备可靠性和停机时间的数据。通过挖掘这些数据，可以深入了解故障指标和需要关注的领域，从而提高设备的可靠性。缺陷消除(DE)目前是通过查看帕累托图来完成的，并关注那些持续时间最长、出现次数最多的事件或故障。虽然这种方法考虑到两个最常见的变量，计算机化维修管理系统(CMMS)和矿山监测和控制中心(MM&C)可以产生许多变量。这些变量可以同时提取知识和信息，从而得出DE的最佳决策。本次演示将重点介绍利用大数据和机器学习在当前和历史设备可靠性停机事件中的应用和好处。这将使我们能够更好地理解、预测和控制hme的状态和性能。有监督和无监督机器学习方法都将用于从数据中提取有价值的知识和信息，用于模式识别和分类。
