Análisis y predicción de fallas en maquinaria pesada mediante modelos de regresión logística

Este estudio analiza el comportamiento de fallas en maquinaria pesada utilizada en operaciones mineras, perteneciente a una empresa proveedora de servicios al sector extractivo. Estas fallas generan detenciones no programadas que elevan los costos y afectan la eficiencia operativa. El objetivo principal es identificar tendencias y patrones de fallas a partir del análisis de datos históricos registrados entre enero de 2019 y julio de 2024, con el fin de optimizar la gestión del mantenimiento correctivo. La metodología consistió en un análisis estadístico descriptivo de fallas registradas en el sistema SAP, centrado en cuatro conjuntos críticos: motor, freno, implemento y sistema eléctrico. Posteriormente, se aplicó un modelo de regresión logística para estimar la probabilidad de ocurrencia de fallas, incorporando variables como horómetro, temperatura y condiciones operativas. Los resultados muestran que la frecuencia de fallas aumenta con el uso acumulado de los equipos, especialmente en los sistemas eléctricos e implemento. Se identificaron umbrales de uso a partir de los cuales la tasa de fallas se incrementa significativamente. Estos hallazgos permiten mejorar la planificación de intervenciones, optimizar la gestión de repuestos críticos y reducir tiempos de inactividad. En conclusión, el estudio ofrece una herramienta práctica para la toma de decisiones en mantenimiento, al combinar análisis estadísticos y modelación predictiva. Se recomienda integrar estos modelos con plataformas como SAP para fortalecer la trazabilidad, disponibilidad y confiabilidad de los equipos en entornos mineros exigentes.