En un contexto marcado por desafíos globales y cambios tecnológicos, la industria minero energética se encuentra ante la necesidad de una transformación digital para asegurar su sostenibilidad y eficiencia en el futuro. En ese sentido, la inteligencia artificial (IA) surge como una herramienta clave que promete revolucionar la forma en que opera el sector y cómo enfrenta los retos actuales y los que han de venir.
“Según EY, para el año 2040 ya no tendremos grandes yacimientos de minerales, sino más bien pequeños yacimientos. Por lo tanto, vamos a tener que ser mucho más eficientes en nuestras operaciones con una producción más automatizada y remota”, señaló Eduardo Rojas, gerente de TI de Hudbay Perú, durante su exposición en el XIV TICAR 2023.
Las operaciones de la empresa minera se desarrollarán en un entorno de influencias tecnológicas en constante evolución en el que cobran protagonismo el Internet de las Cosas (IoT), con equipos y maquinaria cada vez más conectados; el cloud computing, que ofrece eficiencia en el procesamiento y almacenamiento de información; la automatización, que incluye la robótica; y el procesamiento de datos a gran escala. Sin embargo, la IA se posiciona como el elemento más significativo dentro de la transformación digital y, por lo tanto, en la industria.
“Se estima que la inteligencia artificial mejorará en más de 5% la eficiencia en la industria minero energética hacia el 2030”, recalcó Rojas.
Y es que la aplicación de la IA en la industria no solo mejorará la eficiencia operacional, sino que también permitirá afrontar desafíos críticos, que van desde la automatización de tareas rutinarias hasta la predicción de fallas en equipos, pues esta tecnología tiene potencial para reducir costos, optimizar recursos y mejorar la seguridad laboral.
Ello marca un punto de inflexión en la transformación digital del sector, donde la inversión en tecnología y la adaptación a las innovaciones tecnológicas se vuelven fundamentales para el futuro.
Casos de éxito de IA
“Incorporar tecnología digital es una prioridad para la productividad y la digitalización”, aseveró Iván Villegas, gerente regional de Marketing de ABB, durante su participación en el TICAR. Según el ejecutivo, para tener una mina digitalizada y altamente integrada es clave lograr una integración efectiva en diferentes niveles de operaciones como la gestión del almacenamiento de datos IT/ET/OT, la optimización del rendimiento de activos y los procesos y de la cadena de valor, el análisis avanzado con IA, Machine Learning y operaciones de ecosistema de colaboración.
Un caso de éxito en la región es Salares Norte, un proyecto de propiedad de Gold Fields, que tiene la misión de ser una operación digital e inteligente en Chile. Ellos han implementado la digitalización de manera efectiva, destacando la integración de diferentes sistemas, incluyendo electrificación, control de procesos y energía, plataformas de reportabilidad y monitoreo de condiciones. Además, destacó el uso de simuladores para validar el diseño de la planta y el uso de IA para integrar más de 25 sistemas en una plataforma de analítica, así como para el entrenamiento del personal.
Por su parte, André Gibu, especialista en datos y análisis de ISA REP, habló de los desafíos ambientales y de seguridad que enfrentan los técnicos que realizan el mantenimiento y las inspecciones en las líneas eléctricas de su operación y de qué manera una solución de IA ha hecho de este trabajo más seguro y eficiente para ellos. Así, gracias a ella, han logrado capturar audios, que luego se transforman en imágenes para su procesamiento matemático a través de una red neuronal. Esta última distingue diferentes tipos de sonidos, y logra detectar el efecto Corona- que provoca ionización del aire alrededor de los conductores de alta tensión- y otros problemas en las líneas eléctricas. La IA también contribuye a un mantenimiento más eficiente y predictivo, puesto que los datos generados por esta tecnología permiten identificar problemas potenciales antes de que se conviertan en fallas. Esto aumenta la probabilidad de un mantenimiento exitoso y reduce el tiempo que los técnicos deben pasar en oficina, mejorando así la eficacia operacional.
Asimismo, Hugo Nuñez, supervisor de Rendimiento y Confiabilidad de Planta de Hunt Oill, contó sobre la experiencia de la empresa en el mantenimiento predictivo de las maquinarias usando machine learning como IA. Gracias a ello, han podido recolectar datos de temperaturas, flujo y presión de máquinas, y los han organizado y analizado para identificar patrones que indiquen posibles fallas. Este proceso les ha permitido evitar tiempos de inactividad y mejorar la disponibilidad del servicio, así como reducir tiempos de reparación, extender la vida de sus activos y organizar los trabajos de mantenimiento de manera más eficiente.