🔧 Equipment Failure Prediction
🔧 Predicción de Fallas en Equipos
Predictive maintenance system that classifies failure type before it occurs, optimizing maintenance costs and preventing unplanned downtime.
Sistema de mantenimiento predictivo que clasifica el tipo de falla antes de que ocurra, optimizando costos de mantenimiento y evitando paros no programados.
🎯 Business Understanding
Unplanned maintenance represents one of the highest operational costs in manufacturing and transportation industries. When a machine fails unexpectedly, costs include:
- Downtime: Production loss during repair
- Emergency costs: Urgent repairs are 3-5x more expensive
- Collateral damage: One failure can damage other components
- Spare parts inventory: Excessive stock "just in case"
El mantenimiento no planificado representa uno de los mayores costos operativos en industrias manufactureras y de transporte. Cuando una máquina falla inesperadamente, los costos incluyen:
- Tiempo de inactividad: Pérdida de producción mientras se repara
- Costos de emergencia: Reparaciones urgentes son 3-5x más caras
- Daños colaterales: Una falla puede dañar otros componentes
- Inventario de repuestos: Stock excesivo "por si acaso"
💡 Project goal: Predict the TYPE of failure that will occur before it happens, allowing to plan the correct maintenance in advance and reduce operational costs by up to 25-30%.
💡 Objetivo del proyecto: Predecir el TIPO de falla que ocurrirá antes de que suceda, permitiendo planificar el mantenimiento correcto con anticipación y reducir costos operativos hasta en un 25-30%.
🚀 Deployment
The model is deployed on Streamlit Cloud, allowing users to input sensor values and get real-time predictions of the probable failure type.
El modelo está desplegado en Streamlit Cloud, permitiendo a usuarios ingresar valores de sensores y obtener predicciones en tiempo real del tipo de falla probable.
🖥️ Interactive DemoDemo Interactiva
● LiveDeployment stack:
Stack de deployment:
- Frontend: Streamlit
- Model: XGBoost (serialized with joblib)
- Hosting: Streamlit Cloud (free tier)
- CI/CD: GitHub Actions
Business Impact
Impacto de Negocio
A system like this, implemented in a plant with 50 machines, could generate estimated savings of $150,000 - $300,000 USD annually by reducing unplanned downtime by 40% and optimizing spare parts inventory by 25%.
Un sistema como este, implementado en una planta con 50 máquinas, podría generar ahorros estimados de $150,000 - $300,000 USD anuales al reducir paros no programados en un 40% y optimizar el inventario de repuestos en un 25%.
Key benefits:
Beneficios clave:
- Reduced corrective maintenance costs
- Higher equipment availability (OEE)
- Optimized spare parts inventory
- Proactive planning of technical resources
- Data for equipment replacement decisions
- Reducción de costos de mantenimiento correctivo
- Mayor disponibilidad de equipos (OEE)
- Optimización de inventario de repuestos
- Planificación proactiva de recursos técnicos
- Datos para decisiones de reemplazo de equipos