Noticias

Jan 19, 2024

Análisis de confiabilidad del sistema de suministro de aire comprimido en minas subterráneas

Informes científicos volumen 13,

Scientific Reports volumen 13, Número de artículo: 6836 (2023) Citar este artículo

236 Accesos

Detalles de métricas

A pesar del alto costo y la baja eficiencia, el aire comprimido se usa principalmente en minería subterránea para operaciones de extracción, elevación y procesamiento de minerales. Las fallas de los sistemas de aire comprimido no solo amenazan la salud y la seguridad de los trabajadores, sino que también contribuyen a un control ineficiente del flujo de aire y paralizan todos los equipos que funcionan con aire comprimido. En condiciones tan inciertas, los gerentes de las minas enfrentan el gran desafío de suministrar suficiente aire comprimido y, por lo tanto, la evaluación de la confiabilidad de estos sistemas es esencial. Este artículo tiene como objetivo analizar la confiabilidad del sistema de aire comprimido utilizando el enfoque de modelado de Markov como caso de estudio, mina de cobre Qaleh-Zari, Irán. Para lograr esto, se construyó el diagrama de espacio de estados considerando todos los estados relevantes para todos los compresores en la casa de compresores principal de la mina. Se calculó la tasa de falla y reparación de todos los compresores principales y de reserva para todas las posibles transiciones entre estados para obtener la probabilidad de estar del sistema en cada uno de los estados. Además, se consideró la probabilidad de falla en cualquier período de tiempo para estudiar el comportamiento de confiabilidad. Los resultados de este estudio muestran que existe un 31,5% de probabilidad de que el sistema de suministro de aire comprimido esté en condiciones de operación con dos compresores principales y uno de reserva. La probabilidad del sistema de que dos compresores principales permanezcan en funcionamiento sin fallos durante un mes es del 92,32 %. Además, la vida útil del sistema se estima en 33 meses cuando al menos un compresor principal está activo.

Tanto la potencia hidráulica como la neumática son ampliamente utilizadas para suministrar energía a los equipos de minería. A pesar del alto costo y la baja eficiencia, el aire comprimido todavía se usa principalmente en diferentes equipos, como perforadoras, bombas, ventiladores, luces de turbinas, grúas, transportadores, cargadores y excavadoras. Además, generalmente se usa para operaciones de puertas de ventilación y rociado de agua para disminuir el polvo. Los compresores deben estar activos continuamente para mantener la presión adecuada del sistema. El sistema de suministro de aire comprimido es uno de los sistemas que más energía consume en la mina y contribuye con alrededor del 20 al 40 % del consumo total de energía de la mina1. Como cualquier otro sistema, las unidades compresoras de aire están formadas por diferentes partes, incluidos tanques (depósito de aire), mangueras, tuberías, cables, etc. Estas partes están regularmente expuestas a distracciones y erosiones. Existe la posibilidad de revelar el daño antes de que ocurra cualquier tipo de erosión. Sin embargo, cualquier falla en el sistema de suministro de aire comprimido expone a los operadores y al equipo a un alto nivel de riesgo de seguridad.

El uso de compresores de desplazamiento positivo (compresores de tornillo y de pistón), que son capaces de suministrar aire comprimido a alta presión, es principalmente rutinario en las operaciones de minería subterránea. Confiar en un solo compresor es muy arriesgado ya que, en primer lugar, depender de un solo compresor puede generar la capacidad de suministrar el flujo de aire presurizado que se necesita y, en segundo lugar, la falla del dispositivo puede dejarnos sin otra alternativa. Por lo tanto, es racional utilizar algunos otros compresores en paralelo. El número de estos compresores puede determinarse en función del flujo de aire necesario y también de la deficiencia en la pérdida de aire. En caso de falla de un compresor principal, se reemplazará inmediatamente un compresor de reserva para suministrar la misma cantidad de aire comprimido, y debe estar en uso hasta que se repare el principal y luego vuelva al sistema. Por lo tanto, la determinación de la confiabilidad de todo el sistema es muy importante para la seguridad y economía del producto y depende en gran medida del conocimiento de la probabilidad de falla de los compresores. Por lo tanto, tener un número suficiente de compresores activos y de reserva aumenta la eficiencia del sistema en todos los aspectos de optimización.

En la actualidad se han realizado numerosos estudios sobre el ahorro energético y la optimización de las redes de aire comprimido. Friedenstein et al.2 simularon el sistema de aire comprimido de una mina subterránea de oro en Sudáfrica para identificar las modificaciones energéticas y de mejora operativa en los sistemas de aire comprimido. En este estudio, las fugas de la bahía de refugio se identificaron como un usuario de aire importante y, por lo tanto, se modelaron diferentes escenarios al reducir el flujo de aire a los componentes de la bahía de refugio. Los resultados de este estudio mostraron que considerar el escenario optimizado mejora el uso general del aire y reduce significativamente el costo de la energía eléctrica de la mina2. Anteriormente se realizó una investigación similar3,4,5. Fouché6 aplicó las acciones de control para mejorar la eficiencia del sistema de aire comprimido en minería de profundidad. En el estudio revisado, las válvulas de control se utilizan para reparar fugas, ajustar la presión de suministro de los puntos de referencia y, en consecuencia, reducir la presión del aire en algunos niveles. Los resultados de este estudio mostraron que con la implementación de tales acciones, el consumo de energía eléctrica se redujo en 1,35 MW, lo que tuvo un efecto considerable en el ahorro anual de costos de electricidad. Chen et al.7 aplicaron el modelo multiobjetivo no lineal restringido general junto con el método de la ruta crítica para optimizar la regulación de la cantidad de aire en las redes de ventilación de la mina. En este estudio, las principales limitaciones fueron los límites superior e inferior de las cantidades de aire de las ramas y las caídas de presión de los reguladores. El modelo propuesto se aplicó para dos redes de ventilación con ventilador único y ventiladores múltiples. Los resultados del estudio mencionado indicaron que el algoritmo propuesto es tan flexible y de rápida convergencia que puede usarse para redes de ventilación generalizadas a gran escala. Hassan et al.8 intentaron mejorar el uso de aire comprimido en minas subterráneas para reducir el consumo de energía eléctrica. En el estudio revisado se propusieron diferentes técnicas de control para reducir el consumo de energía eléctrica. Estas técnicas controlaban la presión de diferentes puntos de ajuste para determinar la presión de aire mínima requerida para los pozos de la mina. Las técnicas propuestas se aplicaron en dos minas de oro profundas en Sudáfrica en cuanto a sus condiciones de producción, infraestructura y especificaciones. En otra investigación, Jacobs et al.9 intentaron predecir la falla de los compresores centrífugos. En el estudio mencionado, se aplicó la función de distribución de Weibull utilizando el método de validación cruzada dejar uno fuera para estudiar el comportamiento de falla de los compresores de aire en una mina profunda en Sudáfrica. Zhang et al.10 propusieron un sistema de diagnóstico de fallas para compresores. En este estudio, se optimizó un algoritmo basado en la máquina vectorial compatible con mínimos cuadrados utilizando la optimización de enjambre de partículas y luego se aplicó para crear un modelo de diagnóstico de fallas. En una investigación similar, el diagnóstico de fallas para los compresores se estudió con base en la red neuronal artificial de retropropagación11 y también en la red híbrida de creencias profundas12.

La revisión de los documentos mencionados anteriormente muestra que la mayoría de los estudios anteriores se han centrado en reducir las fugas de aire comprimido, el uso no autorizado de aire comprimido y también optimizar el suministro de flujo de aire. Estos estudios tenían como objetivo reducir el consumo de energía mediante la optimización del flujo de aire comprimido producido. Pero hay poco trabajo informado para analizar la disponibilidad y confiabilidad de los sistemas de suministro de aire comprimido en la operación minera subterránea. Durante la minería subterránea, se requiere que el sistema de suministro de aire comprimido esté en funcionamiento de forma continua por cuestiones técnicas y de seguridad. Para alcanzar esto, se requiere que algunos compresores de reserva estén disponibles para trabajar mientras el inservible esté en proceso de reparación. Por lo tanto, este artículo está dedicado a simular todos los estados posibles del sistema de suministro de aire comprimido para analizar la disponibilidad de cada estado. En todas estas cuestiones, los enfoques deterministas son inútiles y el enfoque racional es probabilístico. Aquí es cuando la solución estocástica podría ayudar. La cadena de Markov es una poderosa herramienta matemática muy conocida que se aplica ampliamente para generar un modelo estocástico de sistemas con una secuencia de estados posibles. Este enfoque se basa en el modelado matemático en el que los estados de falla dependen solo del estado actual en esa instancia.

El enfoque de modelado de Markov tiene una gran flexibilidad para expresar el comportamiento dinámico de los sistemas. Puede modelar la mayoría de los tipos de comportamiento del sistema que pueden modelarse mediante modelos combinatorios como el diagrama de bloques de confiabilidad y el análisis del árbol de fallas. Este enfoque puede modelar diferentes tipos de comportamiento de los sistemas que involucran la reparación compleja, los repuestos en espera, las dependencias de secuencia y la cobertura imperfecta de fallas que no se pueden modelar mediante el uso de modelos combinatorios. Además, el enfoque de modelado de Markov se puede aplicar fácilmente si se requiere la representación detallada del manejo de fallas o errores en el modelo13.

Hoy en día, el modelado de cadenas de Markov ha sido ampliamente utilizado para la evaluación de la confiabilidad y disponibilidad del sistema en diferentes campos de las operaciones mineras, como la estimación de la confiabilidad de los sistemas de ventilación auxiliares en la construcción de túneles largos14, la selección de la ubicación de la trituradora15, la optimización del rendimiento de producción de Máquinas de carga, transporte y descarga16, análisis de confiabilidad de la operación de perforación minera17,18, confiabilidad, mantenibilidad y disponibilidad de máquinas perforadoras de túneles19,20 y análisis de confiabilidad, disponibilidad y mantenibilidad de palas y volquetes en minas a cielo abierto21.

Ye et al.22 aplicaron la cadena de Markov de tiempo continuo para modelar el proceso estocástico de las fallas y reparaciones de una unidad de separación de aire. En el estudio mencionado se consideraron dos estrategias para aumentar la disponibilidad del sistema. En la primera estrategia se instalaron unidades paralelas y en la segunda estrategia se realizaron inspecciones y mantenimientos periódicos. Luego, se propuso una programación lineal entera mixta para optimizar la selección de la redundancia y la frecuencia de las tareas de mantenimiento para obtener el máximo beneficio. Rathi et al.23 estudiaron la confiabilidad de los sistemas de compresores alternativos de etapas múltiples utilizando el enfoque de Markov. En el artículo revisado, se creó el modelo de espacio de estado de todos los estados posibles (operativo, en espera y fallado) y luego se estima la confiabilidad del sistema para diferentes escenarios; con y sin compresores redundantes. Los resultados del estudio mencionado mostraron que la redundancia en espera aumentó la confiabilidad del sistema. Liu et al.24 aplicaron el modelo de cadena de Markov para estudiar la confiabilidad de los sistemas de ventilación de la mina. En el mencionado trabajo se simuló el estado de operación del sistema bajo el tiempo total de operación especificado con base en el método de Monte Carlo, y luego se analizó la probabilidad de un estado estacionario en el futuro. Zeqiri et al.25 estudiaron la efectividad de regular los sistemas de ventilación en minas subterráneas para asegurar la circulación de la cantidad de aire requerida a través de los talleres e instalaciones de la mina. En el estudio mencionado, se utilizan diferentes reguladores y ajustes para reducir la cantidad de aire en ciertas formas o incluso en diferentes partes de la mina con respecto al problema de ventilación de las minas subterráneas. Los resultados del documento revisado encontraron los diversos métodos de regulación confiable para garantizar la cantidad de aire diseñada y brindar seguridad y comodidad completas del microclima durante la actividad minera.

En este artículo, se ha adoptado una técnica rigurosa desde el punto de vista de la cadena de Markov para estimar la confiabilidad del sistema de suministro de aire comprimido cuando el número de compresores principales y de reserva y otras consideraciones como las probabilidades de fallas y reparación son distintas. . También se estima y discute la confiabilidad del sistema en diferentes pasos de tiempo.

El documento está organizado de la siguiente manera. La metodología de investigación y la fundamentación teórica del artículo se describen en la sección "Fundamentación teórica". El caso de estudio y el diagrama de espacio de estado del sistema estudiado se presentan en la sección "El caso de estudio; modelado del sistema de suministro de aire comprimido". Los resultados del estudio se presentan y discuten en la sección "Análisis de confiabilidad del sistema de suministro de aire comprimido".

Este artículo tiene como objetivo analizar la confiabilidad de la unidad de aire comprimido de la mina de cobre Qaleh-Zari, Irán, utilizando el enfoque de modelado de Markov. En esta sección se presenta el proceso de análisis de confiabilidad a través del enfoque de la cadena de Markov. Para lograr esto, se consideran los estados posibles para todos los compresores principales y de reserva para el modelado de la cadena de Markov. Se calcula la tasa de falla y reparación de todos los compresores para obtener la probabilidad de estar del sistema en cada uno de los estados. Luego, se calcula el estado estacionario de la cadena de Markov para obtener el intervalo de confianza para la disponibilidad del sistema. Además, se considera la probabilidad de falla en cualquier período de tiempo para estudiar el comportamiento de confiabilidad.

La cadena de Markov es un proceso estocástico utilizado para el modelado matemático de cierto tipo de fenómenos que dependen de una variable aleatoria. En este enfoque, los conceptos de probabilidad se utilizan para describir cómo un sistema cambia de un estado a otro26. En esta técnica, el sistema no tiene la memoria. Por otra parte, los estados futuros de un sistema dependen del estado actual y de los últimos inmediatos. Además, el comportamiento del sistema debe ser el mismo en todos los puntos de tiempo, independientemente del punto de tiempo que se considere. En esta circunstancia, la probabilidad de transición de un estado a otro es constante en todo momento. Por otro lado, el proceso es estacionario u homogéneo27.

En la aplicación del modelo de Markov, el sistema puede estar en un solo estado a la vez, y de vez en cuando hace una transición de un estado a otro. Se pueden considerar dos tipos de modelos para el modelado que son cadenas de tiempo discretas y continuas. En las cadenas de Markov de tiempo discreto, las transiciones ocurren solo en un intervalo de tiempo fijo con una transición requerida en cada intervalo, mientras que en las cadenas de tiempo continuo, se permite que las transiciones ocurran en cualquier intervalo de tiempo de valor real. Se observa que el caso discreto generalmente se conoce como cadena de Markov y el proceso de Markov generalmente se conoce como continuo13.

En el primer paso del enfoque markoviano, se determinan todos los estados del sistema y se obtienen las tasas de transferencia (fallo o reparación) entre estados. Luego, se utiliza el diagrama de transición de Markov para describir la relación entre los estados del sistema. La figura 1 muestra un modelo básico de la cadena de Markov con dos estados i y j, donde λ y μ son la falla y la reparación constantes (tasas de transferencia), respectivamente. Señala que una cadena en la que se puede alcanzar cada estado desde todos los demás estados, ya sea directa o indirectamente a través de estados intermedios, se conoce como ergódica. En las cadenas ergódicas de Markov, los valores límite de las probabilidades de estado son independientes de las condiciones iniciales27.

Modelo básico de Markov.

Al considerar la probabilidad de transición de cada estado i al estado j, se puede calcular y discutir la probabilidad de que el sistema esté en el estado j, que comience en el estado i después de n intervalos de tiempo. El proceso estocástico {Xn}, n = 0, 1, 2, …, es una cadena de Markov de tiempo discreto para todos los estados i0, … ,i,j si satisface la propiedad de Markov como28,29,30:

donde Pij es la probabilidad de que la cadena, siempre que esté en el estado i, se mueva a continuación (una unidad de tiempo después) al estado j, \(i \ne j\), y se conoce como probabilidad de transición de un paso. El \(P_{ij}^{\left( n \right)}\) llamó a las probabilidades de transición de n pasos de la siguiente manera:

\(P_{ij}^{(n)}\) es la probabilidad de transición de n pasos. Esto significa la probabilidad de que un proceso en el estado i esté en el estado j después de n transiciones adicionales. Si las probabilidades de transición de n pasos se recopilan en forma de matriz como \(P(n) = \left\{ {p_{ij}^{(n)} } \right\}\), entonces, según Chapman-Kolmogorov ecuación, entonces \(P^{\left( n \right)}\) es igual a \(P^{n}\) para las cadenas de Markov estacionarias.

Para la matriz P se consideran las siguientes restricciones estocásticas a la matriz:

Vale la pena señalar que, con respecto al principio del proceso de la cadena de Markov, los eventos de transición son independientes entre sí y luego, las probabilidades de transición (\(p_{ij}\)) se pueden obtener de la distribución Binomial.

Como se mencionó, \(P_{ij}^{n}\) se considera como la probabilidad de que la cadena pase del estado i al j en n-pasos y los nuevos números \(P_{ij}^{n}\) se organizan las entradas de una matriz, denominada matriz de probabilidad de transición de n pasos o matriz de transición general (\(P^{n}\)). La matriz \(P^{n}\) se estima a través de la multiplicación de matrices. Por otro lado, la matriz de transición de n pasos se puede obtener multiplicando la matriz P por sí misma n veces. Para hacer esto, se puede utilizar el enfoque de valores propios y vectores propios. En este enfoque, la matriz P puede expandirse como 30;

donde Λ es la matriz diagonal de valores propios y U es la matriz cuyas columnas son los vectores propios correspondientes. La matriz de transición general \(P^{n}\) se puede estimar a partir de la siguiente ecuación29,30:

El resto de esta subsección se dedica a estudiar el comportamiento a largo plazo de las cadenas de Markov. Cabe señalar que si se conoce la distribución de probabilidad inicial de la cadena de Markov, entonces se puede evaluar la distribución de probabilidad en algún instante de tiempo n o \(P_{ij}^{n}\). Para una cadena de Markov ergódica, se puede aplicar la técnica de multiplicación de matrices para obtener las probabilidades de estado estacionario o de valores límite. La secuencia de matrices de transición de n pasos \(P^{n}\) se aproxima a una matriz cuyas filas son todas idénticas. Esto significa que, el \(Lim_{n \to \infty } P_{ij}^{n} = \pi_{j}\). Esto indica que \(P_{ij}^{n}\) está convergiendo a algún valor que es el mismo para todo i. Por otra parte, existe una probabilidad límite de que el proceso se encuentre en el estado j después de un gran número de transiciones, y este valor es independiente del estado inicial i29,30. O bien \(\pi_{j}\) es la distribución de estado estacionario de la cadena de Markov. El estado estacionario de una cadena de Markov se puede obtener a partir de las siguientes ecuaciones:

Considere D = {Sd} como un conjunto de estados deseables y U = {Su} como un conjunto de estados indeseables. El tiempo medio de estar del sistema en un conjunto de estados deseables (\(\overline{D}\)) estados deseables (\(\overline{U}\)) y se puede obtener de las ecuaciones. (7) y (8), respectivamente31:

Además, la probabilidad de transición de estados deseables a indeseables (\(\overline{P}\)) se obtiene como:

La probabilidad de que el sistema se encuentre en el estado j, que haya iniciado en el estado i por primera vez (n = 1) entre m-1 y m pasos de tiempo, se obtiene de la matriz de probabilidad de transición de la siguiente manera30,31:

Se puede considerar el mismo enfoque para diferentes pasos de tiempo y se puede obtener la función de probabilidad acumulada. Por lo tanto, la función de confiabilidad del evento en el tiempo τ, donde el sistema permanece en el estado j que comenzó en el estado i por primera vez (n = 1) se formula a partir de la siguiente ecuación:

donde \(F_{ij} (\tau )\) en la probabilidad de transición acumulada.

En este enfoque, también se puede calcular la probabilidad de por vida de pasar del estado i al estado j. El valor esperado para la primera transición de i a j se forma como:

Entonces, el tiempo esperado hasta el estado j se calcula como:

La mina de cobre Qaleh-Zari de Minakan Company está ubicada a 180 km de la ciudad de Birjand en la provincia de Khorasan del Sur, Irán. La mina está ubicada en las coordenadas 57′ 58° de longitud geográfica y 31′ 48° de latitud geográfica. La mina de cobre Qaleh-Zari es la única mina subterránea en Irán que se extrae mediante métodos de detención de contracción. La ley del cobre, el oro y la plata es de 0,5 a 8 %, de 0,5 a 15 y de 20 a 600 g por tonelada, respectivamente32,33. Además, el total extraído y los yacimientos remanentes equivalen a unos 10 millones de toneladas. El ancho del área de mineralización es de 0,5 a 7 m, la cual se extrae mediante el método de perforación y voladura. Los pozos de voladura se perforan utilizando los recogedores de perforación neumática. Los cargadores neumáticos se utilizan para cargar los minerales extraídos en vagones. Los minerales extraídos luego se mueven a la superficie a través de seis pozos verticales y un pozo inclinado (principal) con una producción total de 450 toneladas por día, en promedio. Todos los ejes tienen su propia casa de compresores para manejar todos los equipos neumáticos. Cabe señalar que la casa del compresor del eje principal (el eje inclinado) no solo maneja el equipo neumático en la operación de minería subterránea, sino que también respalda la planta de prospección de minerales.

Este trabajo tiene como objetivo aplicar un enfoque para evaluar la confiabilidad de la casa de compresores del eje inclinado de la mina utilizando el enfoque estocástico. Por lo tanto, es necesario tener la tasa de fallas y reparaciones de los compresores y el conocimiento sobre las probabilidades de eventos. La confiabilidad de la unidad de aire comprimido se estima utilizando la teoría de las cadenas de Markov en la que la probabilidad de falla o reparación no depende de la historia pasada del sistema. El sistema de aire comprimido del eje principal de la mina de cobre Qaleh-Zari consta de dos compresores como compresores principales y un compresor de reserva que funciona en tres turnos de trabajo y 30 días al mes o 720 h (= 30 × 24) cada mes. Si algún compresor principal fallara, debido a la falla de otras causas u otras, el compresor de reserva se reemplaza inmediatamente y el compresor fallado será reparado. La casa de compresores principal de la mina de cobre Qaleh-Zari se muestra en la Fig. 2.

La sala de compresores principal de la mina de cobre Qaleh-Zari.

La capacidad de producción de todos los compresores principales es de unos 30 metros cúbicos por hora. En cuanto al análisis estadístico, cada compresor principal falla unas 2 veces al mes y la reparación de cualquier compresor defectuoso tarda 17,5 h en promedio. Entonces, la probabilidad de falla de los compresores principales en cada mes (o en 720 h por mes (= 30 día/boca × 24 h/día)) se estima como ((2 × 17.5)/720 =) 0.049. De manera similar, la probabilidad de falla de los compresores de reserva se calcula como 0.038. La principal falla de los compresores estuvo relacionada con el electromotor, filtro de aire y tanque receptor de drenaje. La probabilidad de reparar cada compresor también se estima en 0.973. Además, el análisis estadístico mostró que la corriente eléctrica está cortada durante 6 h por mes, en promedio, y luego, la probabilidad de corte eléctrico se calcula como 0.008 (= 6/720).

Teniendo en cuenta el concepto propuesto en la sección "Fundamento teórico", mediante el cálculo de la probabilidad de ocurrencia de posesiones en las que todos los compresores principales fueron reemplazados por compresores de reserva y todos los compresores principales fallaron, se puede estimar la confiabilidad del sistema de suministro de aire comprimido. .

Suponga que un sistema de aire comprimido tiene compresores "a" activos y "r" de reserva o de reserva donde a ≥ r. Cuando falla un compresor activo, uno de los compresores de reserva se reemplaza por el fallado y continúa funcionando mientras el compresor fallado sea reparado y regresado al circuito de aire comprimido. El proceso será hacia adelante hasta que todos los compresores de reserva "r" sean reemplazados por "r" de los compresores en funcionamiento "a" y se ejecutará hacia atrás cuando se repare un compresor defectuoso. Este proceso continuará hasta que todos los compresores principales y de reserva fallen. En esta situación, el número de compresores averiados aumentó a "a + r" y no hay ningún compresor en funcionamiento. Este proceso se muestra como un diagrama de espacio de estado para compresores "a" en funcionamiento y "r" de reserva en la Fig. 3. Con respecto a la Fig. 3, el movimiento entre estados ocurre en pasos de tiempo discretos y el sistema es homogéneo. Por lo tanto, esto puede considerarse un proceso de Markov discreto.

Estado de funcionamiento de los compresores.

El resto de esta sección se dedica al uso del proceso de la cadena de Markov para modelar el sistema de aire comprimido. En esta sección, se utiliza el proceso estocástico, descrito en la sección "Fundamentos teóricos", para modelar y analizar el sistema de aire comprimido en la mina de cobre Qaleh-Zari.

Las diferentes etapas para los tres compresores en el sistema de aire comprimido principal de la mina se consideran y se muestran en la Fig. 4. En la Fig. 4, en condiciones normales de operación, hay dos compresores principales (mostrado por "A") y uno de reserva compresor (mostrado por "R") en la casa de compresores de la mina. Con respecto a la Fig. 4, en los estados S1 y S7, los dos compresores están en funcionamiento y hay un compresor en espera. S2 y S6 son los estados en los que uno de los dos compresores activos o de reserva está fuera de servicio. Por lo tanto, en esta posición, uno de los compresores (principal o de reserva) está en reparación. En los estados S3 y S5, dos compresores no funcionan y solo uno está activo. Finalmente, en el estado S4, todos los compresores fallaron y ninguno está activo o en espera. Los estados antes mencionados, S1 a S7, construyen una cadena de Markov y por lo tanto se puede calcular la probabilidad del cambio de condición de cada compresor de un estado al alternativo.

Todos los estados posibles para los compresores en funcionamiento, en espera y en reparación.

Para ilustrar el proceso, el siguiente ejemplo muestra lo que sucede cuando el sistema pasa del estado uno (S1) al estado seis (S6). Significa que uno de los compresores principales falló y luego es anulado por el compresor de reserva. La distribución de Bernoulli calcula la probabilidad de este evento como se describe aquí. Como se mencionó anteriormente, la probabilidad de falla de los compresores principales y la probabilidad de activación del compresor de reserva son 0.057 y 0.943 (= 1–0.057), respectivamente. Por tanto, se calcula la probabilidad de pasar del estado uno al estado seis:

Señala que P1→6 se considera para la sexta matriz de la primera fila de la matriz de transición. Además, todas las filas de esta matriz deben obedecer el análisis de la cadena de Markov. Esto significa que la suma de las probabilidades en cada fila es igual a 1. Por lo tanto, no hay transición de un estado a otro, entonces P1→1 se calcula como 0.899 (= 1 − 0.101). De manera similar, la probabilidad de transmisión del sistema de un estado a otro ha sido calculada y ordenada en la matriz de transición. Con respecto a los cálculos descritos anteriormente, la matriz de transición (P) para el sistema de suministro de aire comprimido se construye y da como Eq. (15).

Esta sección está dedicada a estimar la confiabilidad y, en consecuencia, el tiempo esperado de falla del sistema de suministro de aire comprimido. Para lograr esto, primero, se estimó la matriz de probabilidad de transición Pn a partir de la ecuación. (6). La matriz de transición general se da en la ecuación. (dieciséis). Está claro que n = 1 de la matriz Pn da la primera matriz de transición real.

La secuencia de matrices de transición de n pasos, Pn, se aproxima a la matriz estacionaria, en la que sus filas son el único vector de probabilidad fijo; por lo tanto, la probabilidad \(P_{ij}^{n}\) de que Sj ocurra para n suficientemente grande es independiente del estado original Si y se aproxima a la componente fj de F. La matriz estacionaria está formada por P potencia a una gran número, lo que indica una convergencia muy rápida. La matriz estacionaria se da en la ecuación. (17).

Por otro lado, dado que el proceso del sistema de suministro de aire comprimido está modelado por una cadena de Markov ergódica, el estado estacionario de la cadena de Markov se puede obtener utilizando la Ec. (6), además:

donde \(\pi_{i}\) es la probabilidad del evento de que el sistema permanezca en el estado Si. Con respecto a la Ec. (16), los valores de \(\pi_{i}\) se obtienen de la siguiente manera:

\(\pi_{{1}}\) = 0,284, \(\pi_{2}\) = 0,029, \(\pi_{3}\) = 0,003, \(\pi_{4}\) = 0,001, \(\pi_{5}\) = 0,028,\(\pi_{6}\) = 0,032, \(\pi_{7}\) = 0,622.

Estos resultados indican que existe una probabilidad del 28,4 % de que el sistema de suministro de aire comprimido en la mina Qaleh-Zari esté en condiciones de funcionamiento con dos compresores principales y uno de reserva en cualquier momento propuesto. Por otro lado, el intervalo de confianza para la disponibilidad de dos compresores principales y un compresor de reserva es del 28,4%.

Considerando S1 y S7 como los estados deseables en los que hay dos compresores activos y un compresor de reserva y los estados S2 y S6 como estados no deseados, el tiempo medio de estar del sistema en estos estados se obtiene a partir de las Ecs. (7) a (9) como sigue:

En cuanto a los resultados, el sistema de suministro de aire comprimido está en los estados deseables (S1 y S7) o tiene dos compresores activos y uno de reserva en 14,55 de los pasos de tiempo, en promedio. En sólo 1,66 de los pasos de tiempo, el sistema se encuentra en los estados no deseados. Estos resultados se pueden mostrar gráficamente en la Fig. 5.

El tiempo medio de estar el sistema en estados deseables e indeseables.

La probabilidad de transición de los estados deseables a los indeseables se calcula como 0,06. Al considerar el número de 30 días como el total de días laborables de cada mes, se concluye que los dos compresores activos y uno de reserva están disponibles durante ((1 − 0,062) × 30≈) 28 días al mes. Estos resultados indican que el sistema de suministro de aire comprimido en la mina de cobre Qaleh-Zari se encuentra en un alto nivel de disponibilidad.

El resto de esta sección se dedica a estimar la confiabilidad del sistema. Para lograr esto, primero se estima la probabilidad de que un primer compresor averiado sea reemplazado por un compresor de reserva utilizando la Ec. (10). Las primeras probabilidades de transición a través de varios pasos de tiempo de 1 a 20 se obtienen y dan en la Tabla 1. Con respecto a la Tabla 1, la probabilidad de que el sistema de suministro de aire comprimido tenga dos compresores principales sin fallar durante un mes es 91.29% (= 1 − 0.0871) . También toma alrededor de 7 meses para que el sistema de suministro de aire comprimido alcance la primera probabilidad de falla del 50%.

Según la Fig. 4, en los estados S1 y S7 hay dos compresores en funcionamiento y hay un compresor de reserva. Utilizando el mismo procedimiento, mencionado anteriormente, se calculó la probabilidad de falla y consecuentemente la confiabilidad de los estados del sistema en el que hay dos compresores en operación y un compresor en espera en cualquier paso de tiempo en dos escenarios. En el escenario I (tarnación de S1 a S6) están en funcionamiento dos compresores principales y en el escenario II (tarnación de S7 a S2) están activos un compresor principal y uno de reserva. Los resultados se muestran en la Fig. 6. Con respecto a la Fig. 6, la probabilidad del sistema de que dos compresores permanezcan en operación y un compresor en espera sin fallar durante un mes es 92.32% y 95.4% para el escenario I y II, respectivamente. Se puede afirmar que, después del paso de tiempo 50 (o 4 años después del período de estudio), la probabilidad de la primera falla para el sistema de aire comprimido con dos compresores principales en funcionamiento y un compresor de reserva alcanza uno. Esta situación ocurrirá después del paso de tiempo 110 (o aproximadamente 9 años) para el escenario II.

Fiabilidad del sistema con dos compresores activos y uno de reserva en forma de dos Escenarios.

El tiempo esperado hasta la falla también se estimó a partir de la ecuación. (13) para cada estado. Se encontró que la vida restante del sistema de suministro de aire comprimido o el tiempo esperado para el estado 4 de los estados 3 y 5 era de 33 y 20 meses, respectivamente. Estas estimaciones revelaron que la vida útil promedio del sistema de suministro de aire comprimido de la mina de cobre Qaleh-Zari es aproximadamente un 65 por ciento mayor cuando al menos un compresor principal está activo en comparación con el de reserva. Esto se debe a que los compresores principales son más fiables que los de reserva.

La mayoría de los estudios anteriores se han centrado en la reducción del consumo de energía mediante la optimización del flujo de aire comprimido producido. Sin embargo, hay poco trabajo informado para analizar la disponibilidad y confiabilidad de los sistemas de aire comprimido en operaciones mineras subterráneas. En este artículo, se analizó la disponibilidad y confiabilidad del sistema de aire comprimido a través del modelo estocástico basado en cadenas de Markov como un caso de estudio; Mina de cobre Qaleh-Zari, Irán. Para lograr esto, en primer lugar, se simuló el sistema de aire comprimido considerando todos los estados posibles de los compresores en funcionamiento, en espera y en reparación. Luego, se estimaron y analizaron las secuencias de matrices de transición de n pasos. En cuanto a los resultados, existe un 91,29% de probabilidad de que el sistema de suministro de aire comprimido de la mina tenga al menos dos compresores principales en estado de operación durante un mes. Considerando 30 días como el total de días hábiles de la mina en cada mes, dos compresores en funcionamiento y un compresor de reserva estarán disponibles en 28 días. Además, se encontró que la vida restante del sistema de suministro de aire comprimido con dos compresores principales era de 33 meses.

Los resultados de este estudio abren un nuevo horizonte para que los gerentes de mina y los contratistas cuenten con un sistema de suministro de aire disponible para garantizar la capacidad de producción y seleccionar el programa de programación de producción más adecuado. Considerar los intervalos de inspección y mantenimiento adecuados para tener un sistema de aire comprimido eficiente y estudiar el efecto de las condiciones ambientales de operación en la confiabilidad y vida remanente del sistema se proponen para estudios futuros.

Todos los datos generados o analizados durante este estudio se incluyen en este artículo publicado.

Schroeder, FW Oportunidades de eficiencia energética en sistemas de aire comprimido en minas. Tesis doctoral, North-West University (2009).

Friedenstein, BM, Cilliers, C. y Van Rensburg, J. Simulación de mejoras operativas en los sistemas de aire comprimido de la mina. S.Afr. J. Ind. Ing. 29(3), 69–81 (2018).

Google Académico

Marais, J. & Kleingeld, M. Simplificación de sistemas de aire comprimido en minas. En Actas de la Conferencia de Uso Industrial y Comercial de la Energía (ICUE), Ciudad del Cabo, Sudáfrica (2013).

Kriel, C. Modernización de proyectos DSM subterráneos de aire comprimido para reducir los costos operativos. Disertación MEng, Dept. Mech. Ing., Universidad del Noroeste, Potchefstroom (2014).

De Coning, A. Rendimiento energético sostenido en sistemas de aire comprimido para la expansión de minas de oro. Tesis Doctoral (2013).

Fouché, SJ Mejora de la eficiencia de un sistema de aire comprimido en una mina. Tesis doctoral, North-West University (Sudáfrica), Campus Potchefstroom (2017).

Chen, K. et al. Optimización de la regulación de la cantidad de aire en las redes de ventilación de la mina utilizando el algoritmo mejorado de evolución diferencial y el método de ruta crítica. En t. J. min. ciencia Tecnología 25(1), 79–84 (2015).

Artículo CAS Google Académico

Hassan, A., Ouahada, K., Marwala, T. & Twala, B. Optimización del uso de aire comprimido en minas sudafricanas. En IEEE Africon'11 1–6 (IEEE, 2011).

Jacobs, JA, Mathews, MJ y Kleingeld, M. Predicción de fallas de compresores de minas. J. Reprobado. Anal. Anterior 19(4), 976–985 (2019).

Artículo Google Académico

Zhang, K. et al. Sistema de diagnóstico de fallas del compresor basado en el algoritmo PCA-PSO-LSSVM. ciencia prog. 104(3), 00368504211026110 (2021).

Artículo Google Académico

Zhou, Z., Wang, J., Chen, H., Wei, W. y Xu, C. Un método de diagnóstico de fallas de reflujo líquido del compresor en línea para el sistema de aire acondicionado de flujo de refrigerante variable. En t. J. Refrig 111, 9–19 (2020).

Artículo CAS Google Académico

Tran, VT, AlThobiani, F., Tinga, T., Ball, A. y Niu, G. Diagnóstico de fallas simples y combinadas de válvulas de compresores alternativos utilizando una red híbrida de creencias profundas. proc. Inst. mecánico Ing. C J. Mech. Ing. ciencia 232(20), 3767–3780 (2018).

Artículo Google Académico

Boyd, MA & Lau, S. Una introducción al modelado de Markov: Conceptos y usos. En Simposio Anual de Confiabilidad y Mantenibilidad, Anahiem, EE. UU. (1998).

Jalali, SE & Forouhandeh, SF Estimación de la confiabilidad de los sistemas auxiliares de ventilación en túneles largos durante la construcción. seguro ciencia 49, 664–669 (2011).

Artículo Google Académico

Yarmuch, J., Epstein, R., Cancino, R. & Peña, JC Evaluación de la ubicación del sistema triturador en una mina a cielo abierto usando cadenas de Markov. En t. J. min. Reclamar Reinar. 31(1), 24–37 (2017).

Artículo Google Académico

Gustafson, A., Lipsett, M., Schunnesson, H., Galar, D. y Kumar, U. Desarrollo de un modelo de Markov para la optimización del rendimiento de la producción. Aplicación para máquinas LHD semiautomáticas y manuales en minas subterráneas. En t. J. min. Reclamar Reinar. 28(5), 342–355 (2014).

Artículo CAS Google Académico

Ugurlu, OF & Kumral, M. Análisis de rendimiento basado en la confiabilidad de las operaciones de perforación minera a través de la cadena de Markov Monte Carlo y simulaciones de procesos de reversión a la media. Simulación 96(7), 593–604 (2020).

Artículo Google Académico

Rahimdel, MJ, Hoseinie, SH & Ghodrati, B. Análisis RAM de máquinas perforadoras rotativas. mín. ciencia 23, 78–89 (2016).

Google Académico

Ahmadi, S., Hajihassani, M., Moosazadeh, S. y Moomivand, H. Una descripción general de los métodos de análisis de confiabilidad de los equipos de túneles. Construcción abierta Construir. Tecnología J. 14(1), 218–229 (2020).

Artículo Google Académico

Agrawal, AK, Murthy, VMSR y Chattopadhyaya, S. Investigaciones sobre la confiabilidad, la capacidad de mantenimiento y la disponibilidad de máquinas perforadoras de túneles que operan en condiciones de terreno mixto utilizando cadenas de Markov. Ing. Fallar. Anal. 105, 477–489 (2019).

Artículo Google Académico

Kumar, NH et al. Estudio de confiabilidad, disponibilidad y mantenibilidad de pala de 6,5 metros cúbicos y dumper de 60 toneladas en una mina de caliza superficial. Mate. Hoy Proc. 54, 199–204 (2022).

Artículo Google Académico

Ye, Y., Grossmann, IE, Pinto, JM & Ramaswamy, S. Modelado para la optimización de la confiabilidad del diseño y mantenimiento del sistema basado en la teoría de la cadena de Markov. computar química Ing. 124, 381–404 (2019).

Artículo CAS Google Académico

Rathi, P., Kumar, G., Asjad, M. & Soni, U. Mejora de la confiabilidad de un compresor alternativo de etapas múltiples con redundancias utilizando el enfoque de Markov. J. Ind. Integración Administrar https://doi.org/10.1142/S2424862221500263 (2022).

Artículo Google Académico

Liu, L., Liu, J. & Zhou, Q. Evaluación de la confiabilidad del sistema de ventilación de la mina basada en una cadena de Markov. ciencia Rep. 12(1), 17115 (2022).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Zeqiri, I., Gashi, J., Brahimaj, F. y Zeqiri, R. Eficacia de la regulación de la ventilación en un sistema diagonal simple de minas subterráneas. mín. Minero. Depósito. 16(2), 81–86. https://doi.org/10.33271/mining16.02.081 (2022).

Artículo Google Académico

Chan, KC, Lenard, CT & Mills, TM Una introducción a las cadenas de Markov. En la 49.ª Conferencia Anual de la Asociación Matemática de Victoria 40–47 (2012).

Billinton, R. & Allan, RN Evaluación de confiabilidad de sistemas de ingeniería vol. 792, 281 (Prensa Pleno, 1992).

Libro MATEMÁTICAS Google Académico

Mantyla, VM Modelos ocultos discretos de Markov con aplicación al reconocimiento aislado de gestos manuales dependientes del usuario, vol. 4, núm. 4 9 (Publicaciones VTT, 2001).

Ross, SM Introducción a los modelos de probabilidad 769 (Academic Press, 2014).

Google Académico

Miller, S. & Childers, D. Probabilidad y procesos aleatorios: con aplicaciones al procesamiento de señales y comunicaciones 547 (Academic Press, 2012).

Matemáticas Google Académico

Serfozo, R. Fundamentos de Procesos Estocásticos Aplicados (Springer, 2009).

Libro MATEMÁTICAS Google Académico

Afradi, A., Alavi, I. & Moslemi, M. Seleccionando el mejor método de minería usando métodos analíticos y numéricos. J. Sedimento. Reinar. 6(3), 403–415 (2021).

Artículo ANUNCIOS Google Académico

Rahimi Ghazikalayeh, A., Ebrahimabadi, A. & Alavi, I. Selección del método de extracción adecuado mediante el enfoque AHP difuso (estudio de caso: mina de cobre Qaleh-Zari de Irán). Aplicación J. ciencia agricola 9(1), 1–10 (2014).

Google Académico

Descargar referencias

Departamento de Ingeniería de Minas, Facultad de Ingeniería, Universidad de Birjand, Birjand, Irán

Mohammad Javad Rahimdel

División de Ingeniería de Operación y Mantenimiento, Universidad Tecnológica de Lulea, Lulea, Suecia

Behzad Ghodrati

También puede buscar este autor en PubMed Google Scholar

También puede buscar este autor en PubMed Google Scholar

Todos los autores contribuyeron a preparar el manuscrito. Todos los autores han revisado y aceptado la versión publicada.

Correspondencia a Mohammad Javad Rahimdel.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Rahimdel, MJ, Ghodrati, B. Análisis de confiabilidad del sistema de suministro de aire comprimido en minas subterráneas. Informe científico 13, 6836 (2023). https://doi.org/10.1038/s41598-023-33736-5

Descargar cita

Recibido: 04 enero 2023

Aceptado: 18 abril 2023

Publicado: 26 abril 2023

DOI: https://doi.org/10.1038/s41598-023-33736-5

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.