Aplicaciones de IA en la minería permitirían aumentar seguridad y rendimiento

Contribuirán a que las empresas aprovechen los volúmenes de datos que producen.

Análisis históricos de rendimiento, monitoreo de rutas logísticas, salud de los trabajadores y medidas de seguridad. Estas son algunas de las áreas de la minería que producen gigantescos volúmenes de datos. Un solo camión de carga, por ejemplo, genera varios terabytes al año en datos digitales, y en una operación minera como Chuquicamata circulan más de 70 camiones de extracción al día. Con tal flujo de información, este rubro productivo se ha convertido en uno de los focos para potenciales aplicaciones de inteligencia artificial (IA) que generen impacto positivo y permitan a la industria hacer frente a los desafíos aún por resolver.

“Chile tiene un desarrollo tecnológico de alto nivel en la industria minera. Como gran actor de la minería mundial, nuestro país está avanzando en términos de digitalización, incorporando una serie de herramientas en ámbitos de gestión de flotas, modelamientos de rajos, monitoreo y mantenimiento predictivo”, señala Julián San Martín, vicepresidente de Entel Digital, quien agrega que la seguridad de los trabajadores, y el uso y optimización de recursos energéticos e hídricos son otras áreas de aplicación de la IA.

Avanzando hacia un uso intensivo

Daniel Merege, senior manager de AI & Data en Deloitte, coincide en que las principales potencialidades están en la optimización de procesos, mantenimiento de los activos críticos y seguridad: “La proyección para la industria es la intensificación del uso de la IA, con diferentes aplicaciones coexistiendo en un ecosistema digital de soluciones inteligentes e integradas”, afirma.

Un reciente reporte de esta consultora sobre IA aplicada en minería consigna experiencias como la de RockMass Technologies, que obtiene y analiza información en tiempo real de la superficie rocosa de las minas, identificando posibles factores de riesgo y procesando datos 18 veces más rápido en comparación con mediciones hechas de forma tradicional en terreno. Otros ejemplos son Ionic Engineering, cuya IA ha sido entrenada para buscar y detectar las mejores vetas según concentración de cobre, y Shyft Inc., que ha usado machine learning para identificar los momentos del día con mayor demanda de energía y hacer ajustes para reducir el gasto energético.

Gestión de tareas riesgosas

Además de mantenimiento y operaciones, la seguridad minera es un campo en donde se visualizan importantes aplicaciones. Nicolás Tagle, superintendente de Analítica Avanzada de Minera Los Pelambres, comenta que “hay muchas oportunidades en esta industria que cobran valor adicional en nuestro contexto país. En la actualidad, en la minería 4.0, hay gran interés por captar información a través de sensores inteligentes y por recoger datos como videos o imágenes para entrenar sistemas y detectar –entre otros– condiciones de riesgo en los procesos productivos”.

Necesarias cautelas

Ciertamente hay precauciones que se debe tener antes de aplicar cualquier modelo de IA. Daniel Merege, de Deloitte, advierte que la protección de los datos y sistemas contra accesos no autorizados y ataques es uno de estos. “Además, más allá de los riesgos tecnológicos, también vale destacar que la transformación digital requiere una gestión del cambio efectiva, asegurando que los trabajadores estén capacitados y adaptados a los nuevos sistemas para que estos operen de la mejor forma”, complementa.

Para Julián San Martín, de Entel Digital, uno de los focos más importantes es el de los datos: cualquier sistema de IA debe ser validado por los expertos en el campo, quienes deben cautelar que sea un modelo consistente y robusto, alimentado con datos confiables: “Si no es posible tener certeza de que la fuente de datos es correcta, difícilmente se tendrá un resultado apropiado”, explica. Es por ello por lo que el mantenimiento de los sensores e instrumentación, y la conectividad que permita obtener y transmitir esa información toma relevancia crítica: “Esta tecnología requiere niveles de seguridad de los datos end-to-end, desde las redes, hasta los dispositivos”, finaliza San Martín.

En esta industria existen también tareas secundarias que conllevan riesgos y que podrían ser automatizadas. “Se podría entrenar sistemas robóticos para que cada vez que haya caída de rocas desde camiones, lo detecten y despejen las vías, o para que manejen las labores de carga y utilización de explosivos, tareas que hoy realizan operadores humanos con el consiguiente peligro que implica. Estas personas podrían, a futuro, estar monitoreando las tareas riesgosas realizadas por máquinas”, señala Mauricio Correa, investigador asociado del Advanced Mining Technology Center (AMTC).

0 ·

0 · 22 de marzo de 2024

W F T

Contribuirán a que las empresas aprovechen los volúmenes de datos que producen.

Análisis históricos de rendimiento, monitoreo de rutas logísticas, salud de los trabajadores y medidas de seguridad. Estas son algunas de las áreas de la minería que producen gigantescos volúmenes de datos. Un solo camión de carga, por ejemplo, genera varios terabytes al año en datos digitales, y en una operación minera como Chuquicamata circulan más de 70 camiones de extracción al día. Con tal flujo de información, este rubro productivo se ha convertido en uno de los focos para potenciales aplicaciones de inteligencia artificial (IA) que generen impacto positivo y permitan a la industria hacer frente a los desafíos aún por resolver.

“Chile tiene un desarrollo tecnológico de alto nivel en la industria minera. Como gran actor de la minería mundial, nuestro país está avanzando en términos de digitalización, incorporando una serie de herramientas en ámbitos de gestión de flotas, modelamientos de rajos, monitoreo y mantenimiento predictivo”, señala Julián San Martín, vicepresidente de Entel Digital, quien agrega que la seguridad de los trabajadores, y el uso y optimización de recursos energéticos e hídricos son otras áreas de aplicación de la IA.

Avanzando hacia un uso intensivo

Daniel Merege, senior manager de AI & Data en Deloitte, coincide en que las principales potencialidades están en la optimización de procesos, mantenimiento de los activos críticos y seguridad: “La proyección para la industria es la intensificación del uso de la IA, con diferentes aplicaciones coexistiendo en un ecosistema digital de soluciones inteligentes e integradas”, afirma.

Un reciente reporte de esta consultora sobre IA aplicada en minería consigna experiencias como la de RockMass Technologies, que obtiene y analiza información en tiempo real de la superficie rocosa de las minas, identificando posibles factores de riesgo y procesando datos 18 veces más rápido en comparación con mediciones hechas de forma tradicional en terreno. Otros ejemplos son Ionic Engineering, cuya IA ha sido entrenada para buscar y detectar las mejores vetas según concentración de cobre, y Shyft Inc., que ha usado machine learning para identificar los momentos del día con mayor demanda de energía y hacer ajustes para reducir el gasto energético.

Gestión de tareas riesgosas

Además de mantenimiento y operaciones, la seguridad minera es un campo en donde se visualizan importantes aplicaciones. Nicolás Tagle, superintendente de Analítica Avanzada de Minera Los Pelambres, comenta que “hay muchas oportunidades en esta industria que cobran valor adicional en nuestro contexto país. En la actualidad, en la minería 4.0, hay gran interés por captar información a través de sensores inteligentes y por recoger datos como videos o imágenes para entrenar sistemas y detectar –entre otros– condiciones de riesgo en los procesos productivos”.

Necesarias cautelas

Ciertamente hay precauciones que se debe tener antes de aplicar cualquier modelo de IA. Daniel Merege, de Deloitte, advierte que la protección de los datos y sistemas contra accesos no autorizados y ataques es uno de estos. “Además, más allá de los riesgos tecnológicos, también vale destacar que la transformación digital requiere una gestión del cambio efectiva, asegurando que los trabajadores estén capacitados y adaptados a los nuevos sistemas para que estos operen de la mejor forma”, complementa.

Para Julián San Martín, de Entel Digital, uno de los focos más importantes es el de los datos: cualquier sistema de IA debe ser validado por los expertos en el campo, quienes deben cautelar que sea un modelo consistente y robusto, alimentado con datos confiables: “Si no es posible tener certeza de que la fuente de datos es correcta, difícilmente se tendrá un resultado apropiado”, explica. Es por ello por lo que el mantenimiento de los sensores e instrumentación, y la conectividad que permita obtener y transmitir esa información toma relevancia crítica: “Esta tecnología requiere niveles de seguridad de los datos end-to-end, desde las redes, hasta los dispositivos”, finaliza San Martín.

En esta industria existen también tareas secundarias que conllevan riesgos y que podrían ser automatizadas. “Se podría entrenar sistemas robóticos para que cada vez que haya caída de rocas desde camiones, lo detecten y despejen las vías, o para que manejen las labores de carga y utilización de explosivos, tareas que hoy realizan operadores humanos con el consiguiente peligro que implica. Estas personas podrían, a futuro, estar monitoreando las tareas riesgosas realizadas por máquinas”, señala Mauricio Correa, investigador asociado del Advanced Mining Technology Center (AMTC).

Manuel Rodolfo Guajardo Valenzuela

x

Últimos Comentarios

Ver Perfil

¿Como pueden ser ejemplo las mineras de Chile, cuando han perdido millones en nuevos proyectos, sobre todo Codelco?

Responder · Compartir Denunciar ·

0 ·

0 · 24 de marzo de 2024

Comentarios

Tus amigos que siguen a Minería & comunidad

No tienes seguidores en común

Siguiendo

No Sigue a nadie