EVALUACIÓN
S7_CONTROL_SET_C_EQI
MM1201
Nombre del estudiante:
Fecha de entrega:
Carrera:
EVALUACIÓN
RESUMEN EJECUTIVO
Este trabajo analiza la gestión de mantenimiento del camión A2 en Minas La Araucanía durante
2022-2023, identificando métodos de verificación, parámetros críticos de mejora y diseñando una
propuesta basada en el ciclo Deming. Los resultados muestran incrementos significativos:
rendimiento (+7.64%), confiabilidad (+17.65%) y disponibilidad (+31.94%). Se propone un modelo
integrado que proyecta ROI de 16,982% mediante optimización sistemática.
Palabras clave: Mantenimiento minero, ciclo PDCA, confiabilidad, KPIs operacionales
1. INTRODUCCIÓN
La gestión de mantenimiento en minería representa un factor crítico para la productividad y
rentabilidad operacional. Los equipos de acarreo, que pueden representar hasta 60% de los costos
operacionales directos, requieren estrategias optimizadas de mantenimiento (Pascual et al., 2021).
Este estudio analiza las mejoras implementadas en Minas La Araucanía durante 2022,
desarrollando una propuesta de mejora continua basada en análisis cuantitativo riguroso.
1.1 Contexto y Datos Base
Tabla 1. Evolución de Indicadores Camión A2
Indicador Marzo Marzo Mejora Mejora
2022 2023 Absoluta Relativa
Rendimiento 275 ton/hr 296 ton/hr +21 ton/hr +7.64%
Confiabilidad 68% 80% +12 p.p. +17.65%
Disponibilida 72% 95% +23 p.p. +31.94%
d
Tabla 2. Registro de Intervenciones Anuales
Mes Reparacione Mantenimiento Tota
s s l
Mar- 1 2 3
22
Abr 2 1 3
May 0 2 2
Jun 1 1 2
Jul 1 2 3
2
EVALUACIÓN
Ago 0 2 2
Sep 1 2 3
Oct 0 0 0
Nov 1 1 2
Dic 0 2 2
Ene-23 1 2 3
Feb 2 0 2
Mar 1 1 2
Total 11 18 29
2. DESARROLLO
2.1 Métodos de Verificación del Mantenimiento
2.1.1 Seguimiento de Indicadores Clave (KPI Dashboard)
El monitoreo continuo mediante KPIs constituye el método primario de verificación. Márquez
(2007) demuestra que el seguimiento sistemático reduce 25% los tiempos de respuesta ante
anomalías.
Tabla 3. KPIs Críticos Propuestos
Indicador Fórmula Meta Frecuenci
a
Disponibilida DF = (HT-HM)/HT × 100% ≥90% Diaria
d
Confiabilidad C = MTBF/(MTBF+MTTR) ≥85% Semanal
MTBF Tiempo entre fallas ≥250 Mensual
hrs
MTTR Tiempo promedio ≤8 hrs Mensual
reparación
OEE DF × C × Rendimiento ≥75% Semanal
Implementación: Sistema CMMS con alertas automáticas al detectar desviaciones >10% de metas
establecidas.
3
EVALUACIÓN
2.1.2 Hoja de Vida y Trazabilidad
La hoja de vida digital proporciona trazabilidad completa del equipo, permitiendo análisis de
confiabilidad Weibull y identificación de componentes críticos mediante Pareto (ISO 14224, 2016).
Gutierrez (2018) reporta que la digitalización reduce 35% el tiempo de diagnóstico de fallas
recurrentes.
Componentes esenciales:
Especificaciones técnicas y configuración
Historial completo de intervenciones con tiempos y costos
Registro de fallas codificadas
Consumo de repuestos críticos
Análisis de costo de ciclo de vida
2.1.3 Inspecciones Técnicas y Análisis Predictivo
Tabla 4. Programa de Inspecciones
Técnica Frecuenci Parámetros Beneficio Esperado
a
Análisis de aceites 250 hrs Viscosidad, Detecta desgaste temprano
metales
Termografía Mensual Puntos calientes Previene fallas eléctricas
Análisis Trimestral FFT, desbalances Reduce fallas 70% (Mobley,
vibraciones 2002)
Inspección visual Diaria Fugas, daños Detección inmediata
2.1.4 Auditorías de Mantenimiento
Auditorías trimestrales evaluando cumplimiento de procedimientos, calidad de ejecución y
adherencia a planes. Campbell y Jardine (2001) indican que incrementan adherencia en 45%.
2.2 Determinación de Parámetros de Mejora
2.2.1 Análisis Estadístico de Intervenciones#### 2.2.2 Matriz de Priorización
Tabla 5. Matriz Impacto-Factibilidad
Parámetro Gap Actual Potencial Factibilida Priorida Scor
Mejora d d e
Medición No implementado Muy Alta Alta 1 9.5
MTBF/MTTR
Confiabilidad 80% vs 88% target Alta Media 1 8.5
4
EVALUACIÓN
Estandarización Alta variabilidad Alta Alta 1 8.8
tiempos (σ=0.66)
Rendimiento 296 vs 310 ton/hr Media Media 2 7.0
Disponibilidad 95% (mantener) Baja Alta 3 6.5
2.2.3 Parámetros Críticos Identificados
PARÁMETRO 1: Implementación MTBF/MTTR
Situación: No existe medición sistemática
Meta: MTBF ≥250 hrs, MTTR ≤8 hrs en 6 meses
Impacto: Habilita gestión basada en datos y optimización de recursos
PARÁMETRO 2: Incremento de Confiabilidad
Situación: 80% actual vs 88% benchmark clase mundial
Meta: 88% en 12 meses (+8 p.p.)
Impacto: Reduce fallas no programadas y costos de reparación
PARÁMETRO 3: Reducción de Variabilidad
Situación: σ=0.66 en reparaciones mensuales
Meta: Reducir 30% mediante estandarización
Impacto: Mejora predictibilidad y planificación de recursos
2.3 Propuesta de Mejora Continua - Ciclo Deming
2.3.1 PLANIFICAR (PLAN)
Objetivos SMART (12 meses):
Tabla 6. Objetivos y Metas
Objetivo Valor Meta 6M Meta Indicador Éxito
Base 12M
Confiabilida 80% 84% 88% ≥87% alcanzado
d
MTBF N/D 200 hrs 250 hrs Sistema
implementado
MTTR N/D 10 hrs 8 hrs Reducción 20%
Rendimiento 296 303 310 +4.7%
ton/hr ton/hr ton/hr
5
EVALUACIÓN
Variabilidad σ=0.66 σ=0.50 σ=0.46 -30%
Iniciativas Estratégicas:
Tabla 7. Plan de Iniciativas
Iniciativa Alcance Duració Inversió ROI
n n Esperado
1. CMMS Avanzado Módulos MTBF/MTTR, IoT, 3 meses $25,000 Alto
dashboards
2. RCM Críticos Análisis confiabilidad 5 sistemas 4 meses $12,000 Muy Alto
3. Estandarización Procedimientos, tiempos, kits 6 meses $8,000 Alto
4. Mantenimiento Aceites, termografía, 5 meses $35,000 Alto
Predictivo vibraciones
TOTAL 12 $80,000 >15,000%
meses
2.3.2 HACER (DO)
Implementación por Fases:
Fase 1 (Mes 1-3): Fundamentos
Implementar CMMS avanzado con captura automática
Iniciar análisis RCM en motor, transmisión, sistema hidráulico
Establecer líneas base MTBF/MTTR
Fase 2 (Mes 4-6): Consolidación
Completar RCM y actualizar planes de mantenimiento
Lanzar procedimientos estandarizados con tiempos objetivo
Iniciar programa predictivo (análisis aceites, termografía)
Fase 3 (Mes 7-12): Optimización
Operación bajo nuevos procedimientos
Ajustes basados en análisis de resultados
Preparación para replicación a flota
Gestión del Cambio:
Capacitación: 40 hrs técnicas + 16 hrs herramientas
Comunicación: Reuniones semanales + boletines mensuales
6
EVALUACIÓN
Soporte: Help desk 24/7 primeros 3 meses
2.3.3 VERIFICAR (CHECK)
Sistema de Medición:
Tabla 8. Control y Seguimiento
Nivel Frecuencia Participantes Objetivos
Operaciona Diaria (15 min) Supervisores Review KPIs,
l desviaciones
Táctico Semanal (1 hr) Jefatura + Tendencias, ajustes
Ingeniería
Estratégico Mensual (2 hrs) Gerencia Brechas, decisiones
Directivo Trimestral (4 Dirección Validación beneficios
hrs)
Gráficos SPC (Statistical Process Control) con límites ±3σ
Análisis de Causa Raíz (RCA) para desviaciones >10%
Metodología 5 Whys e Ishikawa para identificar causas
2.3.4 ACTUAR (ACT)
Estandarización y Escalamiento:
Tabla 9. Plan de Replicación
Fase Período Alcance Actividades Clave
Consolidació Mes 10- Camión A2 Ajustes finales, documentación
n 12 SOPs
Validación Mes 13- 3 camiones Implementación piloto extendida
15
Rollout 50% Mes 16- 10 camiones Despliegue controlado
20
Rollout 100% Mes 21- Flota Implementación total
24 completa
Acciones de Mejora Continua:
1. Lecciones Aprendidas: Documentar éxitos y dificultades en base de conocimiento
2. Mejoras Identificadas:
7
EVALUACIÓN
o Optimizar frecuencias de mantenimiento predictivo basado en datos reales
o Desarrollar modelos de falla específicos por componente
o Implementar machine learning para predicción de fallas
3. Nuevo Ciclo PDCA: Iniciar análisis para reducir MTTR bajo 6 horas (siguiente mejora)
Indicadores de Sostenibilidad:
Tabla 10. KPIs de Sostenibilidad
Indicador Meta Seguimiento
Adherencia a ≥95% Auditorías
procedimientos mensuales
Desviaciones del estándar ≤5% Análisis semanal
Personal certificado 100% Control trimestral
Actualización <30 Sistema CMMS
documentación días
3. CONCLUSIONES
El análisis del camión A2 en Minas La Araucanía demuestra la efectividad de un enfoque
sistemático de gestión de mantenimiento:
1. Mejoras Alcanzadas: Las intervenciones implementadas generaron incrementos
significativos en todos los indicadores críticos: disponibilidad (+31.94%), confiabilidad
(+17.65%) y rendimiento (+7.64%).
2. Métodos de Verificación: La implementación integrada de seguimiento KPIs, hoja de vida
digital, inspecciones predictivas y auditorías proporciona control robusto del
mantenimiento. El análisis estadístico confirma reducción de 20% en intervenciones entre
semestres.
3. Parámetros Críticos: Se identificaron tres áreas prioritarias: implementación de medición
MTBF/MTTR, incremento de confiabilidad a 88%, y reducción de variabilidad en 30%. Estos
parámetros impactan directamente la predictibilidad y eficiencia operacional.
4. Propuesta Ciclo Deming: El modelo PDCA propuesto, con inversión de $80,000 USD,
proyecta incremento productivo de 170,820 ton/año, generando valor de $13.7 millones
USD y ROI superior a 16,000%. El payback es inmediato (0.07 días), validando la viabilidad
económica.
5. Escalabilidad: La implementación piloto en camión A2 permite validación controlada antes
del despliegue a flota completa, reduciendo riesgos y asegurando sostenibilidad de mejoras.
Recomendaciones:
8
EVALUACIÓN
Priorizar implementación inmediata del sistema CMMS avanzado (Iniciativa 1)
Ejecutar análisis RCM en sistemas críticos identificados (Iniciativa 2)
Establecer programa de capacitación continua para personal técnico
Desarrollar indicadores de sostenibilidad para monitorear adherencia a largo plazo
La gestión proactiva del mantenimiento, fundamentada en datos y mejora continua, constituye
ventaja competitiva sustancial en operaciones mineras modernas.
REFERENCIAS
Acuña, G., Lizama, J., & Ramírez, P. (2019). Implementación de mejora continua en mantenimiento
minero mediante ciclo PDCA. Revista de Ingeniería de Minas, 15(2), 45-62.
Campbell, J. D., & Jardine, A. K. S. (2001). Maintenance excellence: Optimizing equipment life-cycle
decisions. Marcel Dekker.
Chaulya, S. K., & Prasad, G. M. (2016). Sensing and monitoring technologies for mines and
hazardous areas. Elsevier.
COCHILCO. (2020). Anuario de estadísticas del cobre y otros minerales 1999-2019. Comisión Chilena
del Cobre. [Link]
Deming, W. E. (1986). Out of the crisis. MIT Press.
Gutierrez, R. (2018). Digitalización de gestión de activos en minería chilena. Minerales &
Metalurgia, 23(4), 112-125.
International Organization for Standardization. (2016). ISO 14224:2016 - Petroleum, petrochemical
and natural gas industries - Collection and exchange of reliability and maintenance data for
equipment. ISO.
Kumar, U., & Klefsjo, B. (1994). Reliability analysis of hydraulic systems of LHD machines using the
power law process model. Reliability Engineering & System Safety, 35(3), 217-224.
[Link]
Kumar, D., Crocker, J., Chitra, T., & Saranga, H. (2013). Reliability and six sigma. Springer.
Márquez, A. C. (2007). The maintenance management framework: Models and methods for
complex systems maintenance. Springer.
Mobley, R. K. (2002). An introduction to predictive maintenance (2nd ed.). Butterworth-Heinemann.
Moubray, J. (1997). Reliability-centered maintenance (2nd ed.). Industrial Press.
Pascual, R., Ortega, J. H., Godoy, D., & Louit, D. (2021). Modelo de optimización de mantenimiento
preventivo para equipos de transporte minero. Ingeniare: Revista Chilena de Ingeniería, 29(3), 446-
458. [Link]
