El potencial perdido de la data para la minería

Opinión de Marcos Alexandre Lopes, Líder de Industry X para Accenture Hispanoamérica

El análisis de datos es esencial para las actividades de la minería. Casi todas las mineras a nivel mundial implantaron tecnología de datos hace más de una década y acumularon enormes cantidades de data procedente de todos los procesos de producción, incluidos los de las minas, las plantas de concentración, las fundiciones, las unidades de refinado y la logística, incluidos los puertos. Sin embargo, son muy pocas las empresas que utilizan estos datos en todo su potencial. 

Los datos son fundamentales para entender el comportamiento de los procesos, identificar patrones de funcionamiento, detectar dónde están los cuellos de botella, calcular la variabilidad, predecir la calidad y los fallos de los activos y para el análisis de las causas raíz. Absolutamente todos los procesos de la minería se beneficiarán de las tecnologías de análisis de datos, automatización e inteligencia artificial (IA). Si se perfora, se pueden capturar muchos más datos que antes, por ejemplo, sobre la dureza de la roca, basada en el par de torsión de la perforación, y la composición de la roca, utilizando nuevos instrumentos capaces de caracterizar el mineral. 

Así también, después de la voladura, la fragmentación puede analizarse mediante el procesamiento de imágenes, utilizando drones, o midiendo la distribución del tamaño de la roca dentro de la pala. Esto mejora las posibilidades de optimizar la fragmentación y seleccionar el mineral que se introducirá en las plantas de concentración; esto forma parte del concepto de minería de precisión. Por supuesto, todo ello depende de la determinación de la posición exacta de los equipos de minería, mediante un sistema de posicionamiento geográfico de alta precisión, y de disponer de conectividad en tiempo real. 

Las aplicaciones de seguridad también dependen del análisis de datos. La analítica de vídeo puede detectar la presencia de operarios en las zonas rojas de la planta, los trabajadores situados bajo una carga colgante y el nivel de fatiga de los conductores de camiones o los operadores de grúas, por citar algunos ejemplos. Se utilizan nuevos sensores para supervisar las presas y estos datos se analizan mediante algoritmos en tiempo real que pueden detectar una condición de alarma. La industria minera utiliza la inteligencia artificial para construir modelos que permitan hacer inferencias sobre el estado futuro de un sistema, o para crear diagnósticos que permitan encontrar la causa raíz de una anomalía.

Las áreas en las que se puede aplicar la IA son múltiples. Se puede utilizar en la planificación de la producción, el envío de flotas, el control de procesos, la previsión de la calidad, la validación de datos de instrumentación, la creación de sensores virtuales (sensores blandos), la predicción de fallos de activos, la sincronización de varias plantas y la optimización de la mezcla de productos, por nombrar sólo algunas aplicaciones. Y, en todos los casos, se puede medir cómo se alcanza el valor. 

Conseguir un buen resultado es la consecuencia esperada. Mantener el resultado es otra historia y depende de la definición de programas de optimización permanentes. Se trata de estructurar una hoja de ruta de transformación basada en los datos, mostrando todas las posibles aplicaciones de la IA en varias dimensiones clave: operaciones, mantenimiento, gestión de activos, logística, ventas, compras y recursos humanos, etc. 

Uno de los primeros pasos en este proceso es la definición de la plataforma de análisis de datos, la cual recogerá la data en un lago de datos y suministrará herramientas de análisis para extraer conocimiento de la información. Parte de la hoja de ruta de la transformación basada en los datos implica la creación de una infraestructura, con la participación de la computación de borde y la nube para recoger todos los datos necesarios para cada programa prioritario. La computación de borde se utiliza para procesar los datos localmente. 

Para los datos automatizados, procedentes directamente de la instrumentación, es habitual construir una capa de validación de datos que se denomina motor de integridad de datos, para comprobar si los datos adquiridos son correctos. 

Las mineras están muy dispuestas a adoptar sistemas autónomos. Ya hemos visto a varias empresas implementar la perforación, el acarreo, el apilamiento y la recuperación autónomos, por nombrar sólo algunas aplicaciones. Algunas de ellas aún no están maduras como soluciones, pero se están implantando. También ha llegado el 5G, que permite conectar toda la minera y reducir drásticamente el costo de implementación de las soluciones digitales. 

Hoy la data tiene un enorme valor potencial para la minería. El secreto está en avanzar hacia la inteligencia de las operaciones para capturar esa oportunidad.

COMENTA AQUÍ