E-book: Guía para implementar proyectos IA en Minería

1
meiklabs.com
 E-book: Guía para implementar proyectos IA en Minería

Contenido
Introducción............................................................................................................... 3
El vasto océano de datos .......................................................................................... 4
Caso de Negocios de Aprendizaje automático en Minería..................................... 5
Clasificación de minerales .................................................................................. 5
Monitoreo ambiental ........................................................................................... 5
Mantenimiento predictivo ................................................................................... 5
Gestión de equipos autónomos.......................................................................... 5
Creación de horarios de turnos........................................................................... 6
Equilibrar las composiciones y rotaciones de la tripulación ............................... 6
¿Cómo implementar un proyecto de IA en Minería? ................................................. 7
1. Diagnóstico de la transformación digital ......................................................... 7
2. Formulación de estrategia ............................................................................... 7
2- Implementación a mayor escala ........................................................................ 8
Gemelos Digitales - El espacio tecnológico de la gestión del rendimiento de
activos (APM) ............................................................................................................ 9
Centrados en la información o en la predicción. .................................................. 10
5 beneficios de la tecnología de Gemelos Digitales ............................................. 11
1. Compartir datos entre silos de información .................................................. 11
2. Gestionar las operaciones en tiempo real..................................................... 11
3. Realizar simulaciones y experimentos ......................................................... 11
4. Mejorar la confiabilidad ................................................................................. 12
5. Facilitar la colaboración ................................................................................ 12
Conclusiones........................................................................................................... 12
Referencias ............................................................................................................. 14

2
meiklabs.com
 E-book: Guía para implementar proyectos IA en Minería

Introducción
El uso de Inteligencia artificial (IA) y aprendizaje automático (Machine
Learning) en la industria Minera se ha comercializado en los últimos años como una
varita mágica capaz de erradicar milagrosamente todas las dificultades de la
industria. Desde el año 2019, el aprendizaje automático ha progresado desde un
conjunto de ideas abstractas y aplicaciones hipotéticas hacia servicios sofisticados
tanto en la mina como en maquinarias. El cálculo numérico de estas nuevas
herramientas ha demostrado aumentar la productividad a través de las tasas de
recuperación en las plantas de proceso, aumentar la intensidad de la minería y
reducir el “Tiempo Medio Entre Fallas” (MTBF), entre otras aplicaciones.

Muchas organizaciones aún desconocen las posibilidades de la IA, y lo

desconocido se convierte en ignorado. Tanto si se comparten datos con fines de IA
como si no, las organizaciones suelen dudar a la hora de compartir sus datos en
general debido a las consecuencias. Tanto por motivos legales como económicos.
Por ejemplo, ¿Cómo se gestiona el intercambio de datos operativos? Se trata de una
cuestión aún más delicada en el ámbito de la IA, porque a partir de esos datos se
obtienen nuevos conocimientos. Esto también se aplica a los datos sensibles desde
el punto de vista de la competencia: las correlaciones que descubre la IA pueden
hacer que los riesgos económicos de compartir datos sean aún mayores. Por eso es
muy importante un enfoque integrado en el que, además de los aspectos técnicos,
también se tengan en cuenta los organizativos, empresariales y jurídicos, para
facilitar el intercambio de datos.

Por otro lado, los proyectos de IA son herramientas no pueden quedar como un
código de programación sin un espacio tecnológico para convertirse en una solución
a mayor escala. Por esto, que las soluciones más exitosas de IA se integran a un
sistema que facilita un proceso crítico y mantiene permanentemente un flujo de
información. Aquí aparecen los gemelos digitales como una nueva forma de interfaz
Humano-Máquina para manejar lo que hemos visto como una explosión de datos de
operación en el último tiempo.

3
meiklabs.com
 E-book: Guía para implementar proyectos IA en Minería

El vasto océano de datos

La minería es una industria dinámica y cambiante llena de riesgos asociados con
los precios de los recursos, campos de recursos impredecibles y proyectos masivos
que deben administrarse a lo largo de sus ciclos de vida.

El método actual de exploración mineral produjo cantidades masivas de datos en

forma de muestras de suelo, muestras de chips, geoquímica, hallazgos de
perforación y resultados de pruebas. Cada agujero de perforación es un
microcosmos de los procesos que componen la tierra. Un solo taladro puede generar
200 megabytes de datos, y un proyecto exploratorio con varios barrenos puede
generar terabytes de datos, entre otros tipos de información.

Las corporaciones mineras han utilizado el aprendizaje automático para descubrir

minerales para extraer. Varias grandes corporaciones mineras están colaborando en
esto. Graiph.ai [1], por ejemplo, emplea el aprendizaje automático para hacer que el
descubrimiento de cobre sea más una ciencia que un arte. Timining [2], logra un
impacto positivo en la seguridad gracias a la detección automatiza de inestabilidades
de taludes mediante estructuras cartografiadas y levantamientos topográficos. Logra
esto detectando automáticamente las inestabilidades y calcula los factores de
seguridad y la probabilidad de fallo.

Por otro lado, el aprendizaje automático ha ayudado a reducir los accidentes y

lesiones en el lugar de trabajo. Una vez que se recopilan suficientes datos de alta
calidad de los exámenes en el lugar de trabajo, las operaciones previas al equipo, los
informes de incidentes, los cuasi accidentes, los análisis de causa raíz, las acciones
correctivas emitidas, etc., los algoritmos de aprendizaje automático pueden predecir
posibles fallas que no solo afectan la producción, sino que también son perjudiciales
o fatales para los trabajadores. Además, el aprendizaje automático se ha utilizado
para pronosticar otras amenazas potenciales mediante el examen de patrones de
eventos. Zyght [3] emplea estos datos para planificar con anticipación los
procedimientos administrativos y de ingeniería para garantizar operaciones mineras
seguras. Esta información es utilizada por los equipos de operaciones para planificar
turnos, actividades mineras, utilización de equipos y gestión del rendimiento de los

4
meiklabs.com
 E-book: Guía para implementar proyectos IA en Minería

activos, ya que estos varían sustancialmente según la ubicación de la mina y los

métodos de minería utilizados.

Caso de Negocios de Aprendizaje automático en Minería

Clasificación de minerales

Separar rocas y detritos no deseados del material minero útil es un esfuerzo costoso.
Algunas empresas han comenzado a implementar dispositivos de clasificación
inteligentes que pueden clasificar el material extraído según los criterios que desee
la empresa. Esto se traduce en ahorros de combustible y energía durante el
procesamiento.

Monitoreo ambiental
Para analizar el impacto de las actividades mineras, los sistemas y dispositivos de
rastreo con comunicaciones inalámbricas pueden monitorear indicadores
ecológicos como el agua subterránea, la temperatura y los cambios de ventilación
subterránea. Las imágenes satelitales, por ejemplo, ayudan en el monitoreo de los
cambios ambientales, así como en la predicción de cambios en la erosión, los
hábitats de vida silvestre y la vegetación.

Mantenimiento predictivo

Los equipos de minería pueden ser monitoreados y mantenidos usando sensores

antes de que ocurran fallas. Los sensores en las máquinas pueden monitorear la
temperatura, la velocidad y la vibración, lo que permite que el mantenimiento
preventivo se transforme en mantenimiento predictivo. Las operaciones mineras se
pueden hacer más seguras para todos los involucrados mediante el análisis de datos
y análisis en tiempo real.

Gestión de equipos autónomos

La perforación, voladura, carga, acarreo, muestreo de mineral y rescate de mineros
atrapados son ejemplos de trabajos mineros que pueden ser realizados por
dispositivos robóticos. Esto también permite a los trabajadores manejar un taladro
desde una distancia segura sin visitar lugares potencialmente peligrosos.

5
meiklabs.com
 E-book: Guía para implementar proyectos IA en Minería

Creación de horarios de turnos

Los datos de rendimiento sobre las tasas de producción de diversas actividades,
como perforación, trituración, paleado, acarreo, atornillado y otras producciones y
soporte, se pueden utilizar para crear horarios por turnos, diarios y semanales para
maximizar la intensidad de la minería sin dejar de ser seguro.

Equilibrar las composiciones y rotaciones de la tripulación

El desempeño de cada minero es único para la tarea que está realizando, el equipo
que utiliza y su experiencia. Los algoritmos de aprendizaje automático se pueden
usar para construir listas de tripulación que optimicen la intensidad, la eficiencia y la
seguridad de la minería después de que se recopilen suficientes datos.

Ilustración 1. Gemelo Digital Inmersivo de Molino SAG para simulación de procedimientos (MEIK LABS).

6
meiklabs.com
 E-book: Guía para implementar proyectos IA en Minería

¿Cómo implementar un proyecto de IA en

Minería?
Al iniciar un proyecto de IA en minería hay que tener claro una estrategia que
permite reducir el riesgo de soluciones deficientes, compartir datos sensibles o no
contar con suficientes datos para entrenar algoritmos. A continuación, presentamos
los pasos para llevar adelante un proyecto de IA.

1. Diagnóstico de la transformación digital

En su definición más simple, la transformación digital es el uso de la tecnología
para transformar las operaciones en procesos más eficientes. Pero es mucho más
que la integración de nuevas tecnologías. La transformación digital es un cambio
cultural que se traduce no solo en la adopción de sistemas digitales, sino también en
la experimentación, el aprendizaje y, sí, a veces incluso el fracaso de las iniciativas.
Por esto, es importante contar con u estado de digitalización de ellos procesos y
procedimientos donde se incluya:

 ¿Cuáles cuentan con el uso de sensores?

 ¿Cuáles mantienen uso de fichas en papel para registrar información?
 ¿Cuáles cuentan con un software de apoyo para la toma de decisiones?
 ¿Qué herramientas digitales son críticas para
la toma de decisiones?
 ¿Cuál es el rango etario promedio de
Los "nativos digitales"
operadores y colaboradores?
constituirán el 50% de
Luego de contar con este primer diagnóstico, hay que la mano de obra en
formular la estrategia. 2020 y el 75% en 2025.
[4]
2. Formulación de estrategia
Es necesario iniciar comprendiendo la
estrategia, los desafíos y las oportunidades que
enfrenta la empresa, los datos y las capacidades analíticas existentes. Implementar
IA o aprendizaje automático en proceso semi-digitalizados o no digitalizados buscan

7
meiklabs.com
 E-book: Guía para implementar proyectos IA en Minería

generar la materia prima para luego facilitar proyectos que permitan usos más
avanzados de la tecnología como análisis predictivos. De esta manera, comprender
el estado actual de su empresa es clave para que la tecnología pueda aportar valor al
proceso.

Dentro de la formulación de la estrategia es necesario definir:

 Contar con un Estado de digitalización de los procesos

 Crear una cartera de posibles iniciativas de innovación que puedan ser
impactadas por IA permite identificar puntos débiles y comprender cómo la IA
puede contribuir al negocio.
 Contar con un sistema de evaluación para predecir del valor de un proyecto,
ya que la mayoría de los proyectos de IA no generan el valor deseado.
 Política de manejo de datos amigable para terceros. La efectividad de un
algoritmo de Inteligencia artificial depende del entrenamiento con datos de
procesos como la vibración, la temperatura o la viscosidad de los activos. Sin
embargo, dar acceso a los datos a desarrolladores externos es un
procedimiento largo y difícil. Ninguna empresa quiere pasar un año o más en
trámites burocráticos antes de compartir un conjunto de datos con un tercero,
sólo para decidir que la asociación no es la adecuada o descubrir que un
competidor se adelantó. Muchas veces la innovación con este tipo de
tecnologías proviene de terceros con más experticia en la creación de estos
modelos por lo que reducir la fricción en ese proceso ´puede facilitar la
implementación de procesos.
 Lanzamiento de proyectos piloto. Luego de analizar los resultados de los
proyectos piloto, es necesario la identificación de los desafíos de escala es
necesario definir una hoja de ruta con respecto a estos objetivos.

2- Implementación a mayor escala

La implementación a escala implica haber evaluado exitosamente una solución de
IA; sin embargo, la evaluación es diferente a otro software principalmente porque la
superioridad de una solución de inteligencia artificial basada en aprendizaje
automático requiere tener más o mejor información etiquetada que la competencia.
Cualquier software mejora a medida aprenden de los patrones de uso. Sin embargo,

8
meiklabs.com
 E-book: Guía para implementar proyectos IA en Minería

en el caso de la IA, la precisión de las predicciones de los modelos mejora con más
datos que son únicos

La estrategia dará lugar a una serie de iniciativas y las iniciativas piloto exitosas
llevarán a implementaciones a mayor escala dentro de la faena o dentro del
corporativo. Esta implementación también debe considerarse como actividades
múltiples, como la planificación, la selección de proveedores, la gestión de
proyectos, el desarrollo, la mejora de los procesos industriales afectados por el
proyecto, la gestión de cambios, etc.

Gemelos Digitales - El espacio tecnológico de

la gestión del rendimiento de activos (APM)
Los proyectos de IA son herramientas no pueden quedar como un código de
programación sin un espacio tecnológico para convertirse en una solución a mayor
escala Por esto, que las soluciones más exitosas de IA se integran a un sistema que
facilita un proceso crítico y mantiene permanentemente un flujo de información. Aquí
aparecen los gemelos digitales como una nueva forma de interfaz Humano-Máquina
para manejar lo que hemos visto como una explosión de datos de operación en el
ultimo tiempo.

Últimamente, los gemelos digitales se han convertido en una palabra de moda y en

una gran oportunidad de inversión. De hecho, los datos de ABI Research predicen
que el gasto en gemelos digitales industriales crecerá de 4.600 millones de dólares en
2022 a 33.900 millones en 2030. Las principales empresas, como Amazon, Microsoft
y Google, han lanzado recientemente sus propias soluciones de gemelos digitales. A
pesar de estos avances, adoptar una solución de gemelo digital no siempre es un
proceso sencillo para las empresas. Aunque el “santo grial” sería tener una imagen
digital completa de extremo a extremo de toda la empresa, este no es un punto de
partida práctico para muchas empresas, especialmente las que empiezan desde
cero. Esta información necesaria para la construcción de estos gemelos digitales
puede encontrar en diferentes estados de desarrollo y niveles de digitalización. Por
ejemplo, la gestión del rendimiento de las aplicaciones (APM) cuanta procesos

9
meiklabs.com
 E-book: Guía para implementar proyectos IA en Minería

basados en papel que han sido fueron sustituidos por procesos informáticos y
aplicaciones relacionadas con esos procesos, progresando a través de las tres
etapas evolutivas siguientes:
 Llevar registros y realizar tareas utilizando sólo papel
 Métodos informáticos de gestión (de GMAO a EAM; mantenimiento basado
en calendarios)
 Instrumentación de los activos, incluidos la GCR y el análisis, así como el
mantenimiento basado en el estado y el uso.

Estos espacios de gestión de rendimiento de activos, buscan ser un marco para que
las empresas establezcan un contexto y comprendan todas las soluciones
necesarias, ya estén centradas en el negocio o en el activo, y el rol de cada una en el
uso de los datos:

 Centrado en la generación de informes o

 Centrado en la predicción.

Centrados en la información o en la predicción.

Integrar la Inteligencia Artificial (IA) y el aprendizaje automático (Machine Learning)
en el ADN de sus Gemelos Digitales puede ayudar a su compañía a ser más
competitiva en las operaciones en tiempo real. Análisis en tiempo-real a medida que
un gemelo digital ingiere datos en tiempo real, puede aplicar IA y aprendizaje
automático para buscar comportamientos anómalos, predecir estados futuros y
optimizar la producción. Este análisis avanzado en tiempo real es el primer paso para
obtener el máximo valor de su gemelo digital. Apoyo a la toma de decisiones Esta
capa adicional de inteligencia se puede utilizar para mostrar predicciones de su
gemelo digital. Proporciona soporte de decisiones para sus ingenieros cuando
necesitan tomar decisiones en tiempo real. Al proporcionar detalles y predicciones
sobre métricas como la vida útil restante o los niveles de existencias, puede capacitar
a su equipo para responder más rápido a los eventos comerciales críticos. Análisis
prescriptivo y recomendaciones La última forma de aprovechar la IA y el aprendizaje
automático en sus gemelos digitales es usarlos para análisis prescriptivos y crear
recomendaciones sobre la mejor acción a tomar a continuación en función de sus
predicciones. Puede utilizar un gemelo digital para predecir los niveles de existencias

10
meiklabs.com
 E-book: Guía para implementar proyectos IA en Minería

en diferentes nodos de su cadena de suministro o predecir la vida útil restante de una

máquina. La IA y el aprendizaje automático proporcionan las capacidades esenciales
para ayudarlo a maximizar el valor que obtiene de sus gemelos digitales.

5 beneficios de la tecnología de Gemelos Digitales

A continuación, se presentan 5 beneficios que puede ofrecer un gemelo digital a una

empresa.

1. Compartir datos entre silos de información

Uno de los principales beneficios de usar un gemelo digital es que puede compartir
datos a través de los diferentes silos que existen en su organización. Diferentes áreas
del negocio tradicionalmente han capturado y almacenado datos en sus propios
repositorios. Sin embargo, un gemelo digital puede usar un proxy para recopilar datos
de sensores y otras fuentes en lugar de que cada silo capture sus propios datos. El
modelo de gemelo digital comprende la relación entre todas las fuentes de datos
aisladas.

2. Gestionar las operaciones en tiempo real

Un gemelo digital crea conciencia situacional al construir una imagen holística de la
entidad que representa. Hace más que almacenar y proporcionar información basada
en datos históricos. Permite operaciones en tiempo real al proporcionar visibilidad en
tiempo real, obtener recomendaciones y crear acciones basadas en eventos en los
datos.

3. Realizar simulaciones y experimentos

También proporciona un mecanismo para hacer simulaciones, donde se puede
experimentar en el gemelo en lugar de en la entidad real. Las simulaciones son
particularmente útiles cuando se aplican modelos físicos y de ingeniería como
métodos de elementos finitos, donde desea traer datos de múltiples fuentes. Cuando
tiene datos en tiempo real, puede aplicar análisis predictivos a su gemelo digital.
Luego, puede determinar cuándo es probable que un activo falle o cómo optimizar sus
operaciones. También puede realizar cambios en la entidad física en función de la
información que obtuvo al aplicar el análisis al gemelo.

11
meiklabs.com
 E-book: Guía para implementar proyectos IA en Minería

4. Mejorar la confiabilidad
Los gemelos digitales ayudan a mejorar la confiabilidad de sus sistemas al brindarle
una visión global de seguridad, confiabilidad y disponibilidad. Esta visibilidad
mejorada puede ayudarle a identificar cualquier punto ciego en su sistema.

5. Facilitar la colaboración
Muchas organizaciones ahora requieren equipos multifuncionales. Esperan que los
roles tradicionales de tecnología operativa como ingeniería y mantenimiento, así
como TI, ingenieros de automatización y científicos de datos, trabajen juntos para
mejorar las operaciones. Tener un gemelo digital puede permitir la colaboración entre
sus equipos al proporcionar una comprensión compartida de cómo se ve una entidad
cuando se representa en un formato digital.

Conclusiones
Debido a que la minería implica la producción de productos básicos, mantenerse
competitivo en esta industria a menudo implica producir más rápidamente y a un
costo menor. Cuando se procesan toneladas de material por hora, incluso las
mejoras menores en el tiempo de inactividad, el procesamiento o los gastos de mano
de obra resultan en enormes ahorros.

Las empresas mineras están obsesionadas con aumentar la productividad y la

eficiencia. Como resultado, no es de extrañar que ciertas corporaciones mineras
hayan sido agresivas en su uso del aprendizaje automático y equipos autónomos
para mejorar el mismo. La minería es única en el sentido de que requiere grandes
insumos de capital, y la forma más típica de competir es mediante un enfoque
despiadado en la eficiencia. Cuando se trata de hacer que los equipos sean más
inteligentes, esto siempre será vital.

El aprendizaje automático ahora se puede desarrollar utilizando las cantidades

masivas de datos recopilados por cualquier sitio minero para optimizar los procesos
de producción, la eficiencia de la operación y la seguridad de la mina. Las
aplicaciones de aprendizaje automático inevitablemente jugarán un papel

12
meiklabs.com
 E-book: Guía para implementar proyectos IA en Minería

importante en la forma en que las minas toman decisiones, y la necesidad de datos

confiables será fundamental para que el aprendizaje automático consolide su lugar
en la industria minera.

El aprendizaje automático y la IA ya están teniendo un impacto significativo en los

resultados de compañías mineras como Rio Tinto, BHP, Barrick y Freeport
McMoran, todas las cuales fueron las primeras en adoptar la tecnología, y las
empresas vieron mejoras en toneladas por hora de operador, toneladas por hora de
equipo, tasas de producción, tasas de recuperación y tasas de disponibilidad y
utilización. No existe un único algoritmo o herramienta de aprendizaje automático
que mejore una vez que se implemente el aprendizaje automático. Todo comienza
con la estadística que la mina está tratando de mejorar o el caso de uso que la
operación está tratando de resolver.

Si bien el aprendizaje automático y la IA pueden cambiar las reglas del juego y llevar
su negocio minero al siguiente nivel, comenzar con el aprendizaje automático no
tiene por qué ser una tarea desalentadora. Numerosas herramientas en el mercado
le permiten experimentar con modelos de ML e IA, centrándose en "áreas
problemáticas" menores que pueden haber frustrado durante mucho tiempo sus
esfuerzos por desarrollarse. Lo crucial es comenzar lo antes posible, antes de que su
rival aprenda estas herramientas y salte por delante de usted en el mercado. Si bien
no existe una bala de plata, comenzar de inmediato es beneficioso.

13
meiklabs.com
 E-book: Guía para implementar proyectos IA en Minería

Referencias

[1] Graiph, «Graiph,» [En línea]. Available: https://www.graiph.ai/.

[2] «Timining,» [En línea]. Available: https://www.timining.com/software/tangram/.

[3] «Zyght,» [En línea]. Available: https://www.zyght.com/.

[4] R. RIO, «Proactive Asset Management with IIoT and Analytics,» 2015. [En
línea]. Available: https://www.arcweb.com/blog/proactive-asset-management-
iiot-analytics.

14
meiklabs.com
 E-book: Guía para implementar proyectos IA en Minería

15
meiklabs.com