Incremento de Producción Machine Learning Antamina

26 AL 30 DE SETIEMBRE - 2022
Incremento de Producción
Metálica en Planta Concentradora
Mediante la Implementación de
Machine Learning en Antamina
Hernando Valdivia, Alexander Alvarez,
Héctor Paredes, David Estrella.
Compañía Minera Antamina
Agenda
1. Conociendo a Antamina (Oportunidades y Retos) ¿Quiénes somos?
¿A dónde queremos
2. Identificación de cuellos de botella y metas aspiracionales llegar?
3. Decisión, habilitadores e implementación de Analítica Avanzada ¿Cómo lo hicimos?
4. Beneficios e Impacto en la productividad ¿Qué logramos

conseguir?
5. Conclusión y Sostenibilidad
Compañía Minera Antamina – Ancash Perú

Somos un Skarn Polimetálico Complejo:

Cu-Zn-Ag-Mo-Pb/Bi
LEGEND
Quartz-monzonite intrusive
Brown and pink endoskarn

Brown-green, green and
diopside exoskarn
Brown-green and green

wollastonite exoskarn
Limestone, marble and

hornfels ± diopside contacts
Nuestro Esquema Operativo se adecúa a

las condiciones del Mineral
Tipo Mineral Característica Concentrados
M1 Cu-Mo Cu Bajo Bi Cu y Mo
M2 Cu-Mo Cu Alto Bi Cu y Mo
M2A Cu Cu Muy Alto Bi Cu
M4B Cu-Zn-Pb Cu Alto Bi Cu, Zn, Pb/Bi

Concentrados M5 Bornita Cu Cu Muy Alto Bi Cu
M6 Bornita Cu y Zn Cu Muy Alto Bi Cu y Zn
53 Mt Mineral
Cobre Molibdeno
Objetivos 2022: 418 Kt Metálico de Cu
416 Kt Metálico de Zn
Zinc Plomo
Existe una marcada variabilidad en las leyes de

alimentación a planta
Leyes de alimentación Cu-Mo M1 Leyes de alimentación Cu-Zn M4B

Amplia Diversidad en Litología y Mineralización

1 Calcopirita Esfalerita -
Oxidación
2 Esfalerita Tipo II -
Oxidación
Presencia de Cu Secundario Contenidos ultrafinos de
que activa la esfalerita y limita calcopirita no liberables
su recuperación. dentro de esfalerita.
Problemática: Concentrado de Problemática: Pérdida de
Cu con alto Zn, pérdidas de recuperación de Cu y
recuperación en Cu y Zn Concentrado de Zn con alto
Cu.
3 Bornita Transicional
4 Dureza de Roca
Roca competente de alta
Procesamiento complejo de dureza
Bornita Secundaria.
Problemática: Pérdida de
Problemática: Recuperación Recuperación por falta de
de Cu muy limitada. liberación de Cu y Zn.
Afectación de calidad y
granulometría de los
concentrados que serán
bombeados.
El Reto: Digitalizar nuestros procesos

1 Equipment
Encuesta de Diagnóstico de Optimización de Procesos
(PODS) evaluó la madurez de la planta de Antamina a través
de 6 dimensiones de la pirámide de automatización. Enablers 6 2 Sensors and
instrumentation
6 Enablers
5
IT/OT Advisory Advisory 3 Base layer
models 5 control
models
Change management 4
Supervisory
Controllers (APC4) 4 Supervisory controls
Capability and 3
Base Control Layer
mindsets (PLC1s, PID2s, DCS3) Antamina result Target state
Best-in-class
performance
2
Agile Sensors & Instrumentation
Los resultados de la encuesta muestran la

1 preparación de AA en las categorías
Business value Equipment
fundamentales
Identificamos cuellos de botella y definimos nuestras

metas aspiracionales
1
Molienda
Máximo teórico TPH 9-11%
2
Flotación Cu
Máximo teórico Rec Cu 5-6%
3
Flotación Zn
Oportunidad de incrementar el Throughput del SAG01 en 11% Máximo teórico Rec Zn 3-4%
AA es la herramienta de alto impacto y reducida inversión en CapEx

con menor tiempo de implementación
1. 100% oportunidad entre US$ 280 bn (rango mínimo) a US$ 410 bn (rango máximo) para el total de la industria minera en 2025
Fuete: McKinsey Global Institute
Habilitadores para la implementación de Analítica

Avanzada
1 Arquitectura de datos en la nube1 2 Creación de una célula ágil dentro de la compañía1
Disponibilizar los datos en una fuente centralizada y gran Nueva forma de trabajo con un equipo multidisciplinario para el
capacidad computacional para el desarrollo de modelos. desarrollo de modelos que tengan como objetivo maximizar los
resultados del negocio (cobre equivalente)
1. La implementación se realizó con el soporte de un consultor internacional (McKinsey)

Desarrollamos 11 modelos de Machine Learning, de

acuerdo con el tipo de mineral y proceso
Capa // Sujeto a Calidad de
optimizadora
Max F: CUF-Eq (Ley. Alim x REC x TPH) concentrado
Modelo predictivo TPH y P80 Modelo predictivo Rec Cu y Rec Zn Modelo predictivo calidad
concentrado
Capa
Predictiva
Modelo evalúa trade-off Modelo evalúa trade-off

entre tph/p80 y rec. entre rec. Y ley de conc.
Molienda Flotación rougher Flotación limpieza

Una sinergia entre los datos y personas con el

conocimiento profundo del negocio y los procesos
Data en uso Personas
Datos PI
+200 variables • Geometalurgia
Datos Laboratorio • Criterios operativos
+20 variables • Conocimiento del negocio Machine
• Calidad del concentrado Learning al
Datos Geología
servicio del
+20 variables negocio
Feedback continuo Diálogos operativos Seguimiento y mejora continua

Las recomendaciones de los modelos prescriptivos

buscan maximizar la producción de Cobre Equivalente
Dashboard de recomendaciones en Sala de Control
Modelos
Recomiendan los valores óptimos para
cada variable de control cada 4h
Sala de Control
Los operadores ejecutan las
recomendaciones y envían feedback
Seguimiento y mejora
continua
Seguimiento a los KPIs de adopción
(% de Aceptación y % de Implementación)
Logramos beneficios por cada etapa del proceso

Magnitud
del impacto M4B
M4B M2A M4B M2A Clusters en función a las
1 SAG1 Duro Duro Blando Blando
M2A características inherentes del
28%
SAG 01 mineral procesado que se
3 TPH traducen en indicadores
46% SAG 02 monitoreados en Molienda.
5 M4B M2A M4B M2A M4B
6
4%
3.7% SAG2 Duro Duro Blando Blando
7 M2A
8 Total
2%
9 metálico
01
M4B La proyección de recuperación,
Rec Cu%
utilizan modelos de regresión
M2A sensibles a leyes de cabeza (Cu, Zn,
Fe), cambio en ORPs, tph SAGs,
Rec Zn% ratios Zn/Cu, velocidad de
perforación.
Beneficios validados1
1 Beneficios validados de agosto 2021 a febrero 2022

Cuantificamos el incremento obtenido en cobre equivalente
Los beneficios fueron monitoreados por el equipo de
1 Analítica de Datos de MAYTA y validados por el Analista

de Mejora de Negocio, además cuantificados por Área
de Finanzas en los Forecast Mensuales.
El equipo de Metalurgia, ha correlacionado las
2 tendencias de mejora como incrementos de tonelaje y

mejoras en recuperación, ajustando las ecuaciones de
predicción de la producción.
Producto de ello; los incrementos en la producción;

3 validados como recurrentes, están incluidos en el
Presupuesto Productivo 2023 y en el LOM 2024-2036.
Agosto 2021 – Febrero 2022

Aplicar Analítica Avanzada de Datos en Concentración de

Polimetálicos SI es Posible y Sostenible
Sostenibilidad:
Formación de Profesionales:
Fortalecer la Formación de Profesionales Nacionales en Analítica
Avanzada de Datos; orientada al Beneficio de Minerales, tales como
Ingenieros y Científicos de Datos y Traductores.
Instrumentación y Sensorización:
Incrementar la Instrumentación-Sensorización de los equipos en la Operación
de Concentradora, formular, revisar, potenciar las lógicas de control y sus
sistemas expertos.
Sentido de Propiedad:
Comprometer y generar el sentido de pertenencia entre los operadores y
supervisión ante implementaciones de Analítica Avanzada; tales como
Machine Learning; ya que uno de los principales insumos; es la experiencia
de los usuarios para generar modelos realistas y exitosos.

Incremento de Producción Machine Learning Antamina

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Incremento de Producción Machine Learning Antamina

Cargado por

Copyright:

Formatos disponibles

26 AL 30 DE SETIEMBRE - 2022

3. Decisión, habilitadores e implementación de Analítica Avanzada ¿Cómo lo hicimos?

4. Beneficios e Impacto en la productividad ¿Qué logramos

Compañía Minera Antamina – Ancash Perú

Somos un Skarn Polimetálico Complejo:

Brown and pink endoskarn

Brown-green and green

Limestone, marble and

Nuestro Esquema Operativo se adecúa a

M2A Cu Cu Muy Alto Bi Cu

M4B Cu-Zn-Pb Cu Alto Bi Cu, Zn, Pb/Bi

M6 Bornita Cu y Zn Cu Muy Alto Bi Cu y Zn

Existe una marcada variabilidad en las leyes de

Leyes de alimentación Cu-Mo M1 Leyes de alimentación Cu-Zn M4B

Amplia Diversidad en Litología y Mineralización

El Reto: Digitalizar nuestros procesos

Los resultados de la encuesta muestran la

Identificamos cuellos de botella y definimos nuestras

Máximo teórico TPH 9-11%

Máximo teórico Rec Cu 5-6%

AA es la herramienta de alto impacto y reducida inversión en CapEx

Habilitadores para la implementación de Analítica

1. La implementación se realizó con el soporte de un consultor internacional (McKinsey)

Desarrollamos 11 modelos de Machine Learning, de

Modelo evalúa trade-off Modelo evalúa trade-off

Molienda Flotación rougher Flotación limpieza

Una sinergia entre los datos y personas con el

Feedback continuo Diálogos operativos Seguimiento y mejora continua

Las recomendaciones de los modelos prescriptivos

Logramos beneficios por cada etapa del proceso

1 Beneficios validados de agosto 2021 a febrero 2022

Cuantificamos el incremento obtenido en cobre equivalente

Los beneficios fueron monitoreados por el equipo de

1 Analítica de Datos de MAYTA y validados por el Analista

El equipo de Metalurgia, ha correlacionado las

2 tendencias de mejora como incrementos de tonelaje y

Producto de ello; los incrementos en la producción;

Agosto 2021 – Febrero 2022

Aplicar Analítica Avanzada de Datos en Concentración de

También podría gustarte