Sistema de Gestión de Desgaste de Revestimientos de Chancador
Plataforma full-stack para seguimiento y pronóstico de desgaste de revestimientos de chancador desde datos brutos de escaneo láser 3D hasta despliegue en producción. Reemplazó mediciones manuales con calibrador por análisis automatizado de nubes de puntos 3D.
Contexto de Negocio
El reemplazo de revestimientos de chancador es una de las actividades de mantenimiento más costosas en procesamiento mineral. Un juego de revestimientos de chancador giratorio cuesta cientos de miles de dólares, y cada cambio requiere días de detención productiva. Las consecuencias son asimétricas — reemplazar muy temprano desperdicia material y tiempo de producción, pero reemplazar muy tarde arriesga una falla catastrófica que puede detener el circuito completo de chancado por semanas. El enfoque anterior dependía de mediciones manuales con calibrador realizadas por personal dentro del chancador durante ventanas de mantenimiento: lento, impreciso, peligroso, y fundamentalmente limitado a algunos puntos de sección transversal en una superficie que se degrada de forma no uniforme.
Valor Estratégico
La plataforma reemplaza mediciones manuales con calibrador por análisis automatizado de nubes de puntos 3D desde escaneos láser (millones de puntos por escaneo), transformando la evaluación de desgaste de snapshots periódicos imprecisos a pronóstico continuo basado en datos. La transformación a coordenadas cilíndricas, gestión de campañas de surveys, y modelos de regresión por zona generan proyecciones de vida útil remanente con intervalos de confianza — convirtiendo una decisión de alto riesgo basada en juicio en una actividad de planificación cuantitativa. Despliegue dual (escritorio vía PyInstaller para sitios sin conexión, web vía Next.js/FastAPI/PostgreSQL para gestión centralizada) asegura adopción en todo el espectro de conectividad de sitios mineros.
El Desafío
El reemplazo de revestimientos de chancador es una de las actividades de mantenimiento más costosas. Reemplazar muy temprano desperdicia material; muy tarde arriesga falla catastrófica. La estimación tradicional de desgaste dependía de calibradores manuales — lenta, imprecisa y peligrosa en el entorno de chancado.
Nuestro Enfoque
Arquitectura de cinco etapas: (1) Ingesta de nubes de puntos desde DXF/PTS a coordenadas cilíndricas, (2) Gestión de campañas y surveys para seguimiento de progresión de desgaste, (3) Modelado de tendencias de desgaste con pronóstico de vida útil remanente, (4) Despliegue dual — escritorio para minas sin conexión, plataforma web para gestión centralizada, (5) Orquestación Docker Swarm con Traefik y automatización Ansible.
Indicadores Clave de Rendimiento
| KPI | Línea Base | Resultado | Impacto |
|---|---|---|---|
| Tiempo de Procesamiento | Horas (mediciones manuales con calibrador) | ~80% reducción (escaneo 3D automatizado) | Tiempo experto redirigido al análisis |
| Cobertura de Perfil | Cortes de sección específicos | Nube de puntos completa: perfiles max/mean/min | Caracterización completa del desgaste |
| Proyección de Desgaste | Estimaciones basadas en experiencia | Pronóstico de vida útil basado en datos | Timing óptimo de reemplazo |
Propietario — código fuente no disponible públicamente
Arquitectura
crusher wear system
The Cost of Getting It Wrong
A single gyratory crusher liner set costs hundreds of thousands of dollars. Replacement requires days of downtime and a full maintenance mobilization. Replace too early, and you’ve wasted material and production time. Replace too late, and you risk catastrophic failure — a damaged crusher can shut down the entire processing circuit for weeks.
The previous approach: send personnel into the crusher during maintenance windows to take manual caliper measurements at specific cross-sections. Slow. Imprecise. Dangerous. And fundamentally limited — calipers measure a few points on a surface that degrades non-uniformly across millions of square millimeters.
This platform replaces that entire process with automated 3D point cloud analysis.
From Point Cloud to Prediction
Ingestion
Raw 3D laser scan files arrive as DXF or PTS — typically millions of points per scan, an unstructured cloud of spatial data. The first processing step transforms these into cylindrical coordinates (r, θ, z) aligned to the crusher’s rotational axis via least-squares fitting. Points are binned by angular sector and axial elevation, collapsing the dense cloud into interpretable radial-axial wear profiles that capture the geometry of concave and mantle surfaces.
Campaign Management
Each liner installation defines a campaign. Multiple surveys (scans) are registered within a campaign, building a time-series of wear progression. The system manages alignment corrections between scans (the scanner position isn’t identical each time), reference geometries (the original liner profile), and metadata for traceability.
Forecasting
Wear rates are computed per profile zone using regression models. The system projects remaining useful life with confidence bounds, generating recommended change dates that maintenance planners can use for scheduling — transforming a judgment call into a data-backed planning activity.
Deployment
The platform operates in two modes to cover the full spectrum of mining site connectivity:
A desktop application (Streamlit/Dash packaged with PyInstaller) serves offline mine sites where internet is unreliable or nonexistent — the geologist processes scans on a local laptop.
A web platform (Next.js frontend, FastAPI backend, PostgreSQL, Redis) provides centralized management for multi-site operations, with Docker Swarm orchestration, Traefik load balancing, and Ansible-automated provisioning.
Stack Tecnológico
Los recursos visuales de este proyecto no están disponibles públicamente.
Este es un proyecto propietario. El código fuente y recursos externos no están disponibles públicamente.