Abstracto. El siguiente artículo es un avance del estudio y Benchmark LATAM de operación digital minera, con más de 6 faenas de mediana y gran minería, en el cual se detectan patrones, vinculan a distintos niveles de gestión operacional y su relación con la toma de decisiones. A la vez se trata el uso de Inteligencia Artificial en forma remota y en terreno. Se presentan algunos hallazgos y brechas repetitivas en distintos contextos de sitios mineros y algunos conceptos y soluciones para los procesos de transformación y automatización conectándolo con los equipos humanos y la forma disminuir los riesgos en forma dinámica y proactiva.
Abstract. This article is a preview of the study and LATAM Benchmark of digital mining operation, with more than 6 medium and large mining operations, in which patterns are detected, linking different levels of operational management and their relationship with decision-making. At the same time, the use of Artificial Intelligence is discussed remotely and in the field. Some repetitive findings and gaps are presented in different contexts of mining sites and some concepts and solutions for transformation and automation processes connecting it with human teams and how to reduce risks in a dynamic and proactive way.
Desafíos latentes
Los avances tecnológicos de hoy en día han hecho que las distintas industrias se encuentren en un constante proceso de innovación, y la minería no se queda atrás aplicando nuevas tecnologías para enfrentar desafíos en temas de seguridad y salud, productividad y sustentabilidad, disminuyendo los costos operacionales, trabajando en la eficiencia energética, cuidado del medio ambiente y calidad de vida de los trabajadores, entre otros.
A pesar de la incorporación de diversas tecnologías para cubrir estos desafíos, aún existen brechas en KPIs o índices claves del éxito del negocio. ¿Teniendo buenas tecnologías y profesionales de primer nivel, por qué siguen ocurriendo? ¿Es posible generar un cambio en cómo se gestiona la operación?
En relación a lo anterior, INDIMIN ha buscado disminuir las brechas operacionales mediante el uso de la tecnología y el análisis avanzado de data, transformando procesos con una mirada sistémica.
Durante ya más de media década, y en forma pionera, ha desarrollado las bases para tener Inteligencia Artificial en minería, digitalización con un diseño centrado en el usuario, co-diseñando en terreno e integrando múltiples disciplinas, como ingeniería, ciencia de datos, ciencias sociales y diseño, entre otras, vinculándolas en áreas como Planning, Procesos, Operaciones Mina y Planta, Mantenimiento predictivo, conminución y recuperación de minerales.
Integrar y analizar de forma pragmática, en línea los millones de datos que se generan diariamente, así como apuntar su uso a la autogestión, disminución de variabilidad y aprender dinámicamente de las mejores prácticas de los mismos compañeros de trabajo, son algunas de las infinitas posibilidades de mejora y transformación.
Para efectos de este capítulo, y en base a la experiencia descrita y lo aplicado en terreno, se ha realizado un análisis enfocado en Operación Mina, tomando como base más de 2.5 millones de datos, más de 30.000 horas de operación y 2.760 turnos de 6 sitios mineros de mediana y gran Minería de Latinoamérica, productoras de cobre, hierro y carbón, encontrando importantes diferencias en los distintos indicadores que influyen directamente en la productividad de la operación.
Las dimensiones a analizar son diversas. Sin embargo, en este caso nos focalizamos en el comportamiento humano y su relación con la Operación Segura, la Productividad y Eficiencia, y en cómo impactan de manera estratégica en el día a día de la operación, pasando muchas veces desapercibidas operacionalmente en el SIC o short interval control, al no utilizar tecnologías avanzadas de análisis, centrándonos en el uso de promedios de la gestión operacional cotidiana.
Urgente e importante, pero aún invisible en el día a día de la gestión
Si profundizamos en el caso de operadores de equipos de carguío, se ha encontrado hasta un 31% de diferencia entre rendimientos (ton/hr) de operadores del mismo modelo de equipo (pala eléctrica) y más de 4,000 horas de pérdida en la operación debido a tiempos de ciclo que se encuentran fuera de rangos y objetivos establecidos por las mineras. Lo anterior, significan pérdidas de hasta 5.5M de toneladas anuales por sitio, equivalentes, y esto es solo la ‘punta del iceberg’ de más oportunidades de mejora.
Mapas de calor que relacionan por operador de carguío los tonelajes cargados por camión y el tiempo de cargue. Los operadores en comparación han operado en el mismo tipo de material, mismo frente de carguío, mismo equipo de carguío y misma cantidad de horas trabajadas
.
Algunas alertas críticas del estudio.
Desde mejores prácticas hasta frustración sostenida de las personas
Se observó además, una gran variabilidad en el desempeño de operadores, llegando a alcanzar diferencias de hasta un 68% en tiempos de aculatamiento y del 100% en tiempos de descarga para operadores trabajando en las mismas condiciones y locaciones.
Estos patrones no solo se repiten en la eficiencia operacional, si no también en otros aspectos que forman parte relevante de la operación: como la seguridad y cuidado de equipos.
En temas de seguridad se identificaron cerca de 900 sobrevelocidades por operador en un año de operación, lo cual representa una constante preocupación en la industria minera, donde uno de sus pilares fundamentales es mantener la seguridad de la operación y evitar incidentes que pueden llegar a ser fatales.
Asimismo, el cuidado de los equipos toma un rol relevante para cumplir la planificación y obtener la confiabilidad deseada. Se observaron hasta 1,700 sobrecargas por operadores en los equipos de transporte, lo que puede significar mayores gastos en mantenimiento, neumáticos, consumo de combustible, entre otras consecuencias asociadas.
Todas las brechas operacionales presentadas, se suman a la baja cercanía con las jefaturas de los operadores y la falta de visibilidad constante en sus rendimientos, donde normalmente deben esperar a evaluaciones anuales para tener conocimiento de ellos, perdiendo la oportunidad de tomar acciones correctivas en el momento oportuno y en forma objetiva. En todo esto hay gran pérdida de valor para el negocio. Según un estudio de PwC Chile (2016), más del 48% de los trabajadores de la industria minera se sienten poco valorados y con bajo entendimiento de los objetivos. La siguiente frase obtenida en terreno, refleja en parte lo relevante de este ámbito «No queremos ser tratados como robots, ni ser reemplazados por máquinas, deseamos que la tecnología trabaje con nosotros y nos ayude a mejorar…»asevera una persona con larga trayectoria en gran minería.
Más allá del desafío técnico
Una pregunta relevante podría ser ¿Cómo logramos cerrar estas brechas y empoderar a nuestro equipo humano? ¿Es posible hacerlo?
Otros hallazgos relevantes del estudio de PwC Chile (2016), que abarca más de seis faenas mineras de mediana y gran minería a cielo abierto, tienen que ver con las frustraciones, colaboración y la objetivación de los resultados en el equipo humano.
Sin ir más lejos, la frase ̈no queremos ser tratados como robots, queremos que la tecnología nos ayude a ser mejores”, refleja profundamente el sentir de un grupo humano que no está necesariamente apoyado en su desarrollo y satisfacción laboral, tanto en el trabajo diario, como en su desarrollo y obtención de feedback constructivo y objetivo.
Frente a esta problemática, INDIMIN crea Smart Mining Coach, asistente digital inteligente, y personalizado, para productividad en Minería, que permite tener una visión completa, en línea y en forma remota, de lo que sucede con los principales KPIs de personas, procesos y activos de la operación, brindando información viva y oportuna para un mejor y más rápido proceso de toma de decisiones, propiciando el desarrollo de las personas, su aprendizaje, motivación y performance orientado en resultados y objetivos claros.
Este asistente digital detecta en línea de patrones y desviaciones operacionales, prediciendo lo que va a ocurrir en la operación, entregando recomendaciones habilitadas con inteligencia artificial que anticipan y sugieren acciones optimizadas que buscan prevenir riesgos y pérdidas de operacionales y elevar la productividad, trabajando con incentivo, seguridad y confiabilidad.
Smart Mining Coach trabaja en la ruta de la transformación de procesos rumbo a la digitalización y automatización de los procesos y operaciones, en donde la Inteligencia Artificial juega un rol clave. Se enfoca en empoderar, descubrir y reforzar colaborativamente comportamientos deseados, mejores prácticas y objetivos superiores de cara a la excelencia operacional en forma sostenida. Posee módulos personalizados para apoyar al equipo en la operación y en centros remotos, como a Gerentes, Superintendentes, Centros de Control Remoto, Jefes de Turno, Despachadores, Instructores y Operadores.
¿Inteligencia Artificial Minera, Amistosa y Accionable?
Llevando lo complejo a lo sencillo y cotidiano
Múltiples tecnologías hoy están disponibles. Sin embargo, por diversos motivos, su uso ‘muere’ o se diluye en los usuarios en terreno o en forma remota. ¿Por qué? El llamado Technology Push ayuda a Transferir desde el laboratorio o academia nuevas Tecnologías, sin embargo, en el contexto de operación continua, ya sea en terreno o en forma remota, no se consideran todos los factores influyentes en la innovación, para centrar, codiseñar, iterar y liderar mejoras continuas que impulsen a los usuarios a ser los protagonistas de la generación de valor con máxima eficiencia y productividad.
Un ejemplo real de cómo la Inteligencia Artificial se ha adaptado para poder acompañar en el trabajo en terreno y en forma remota a los distintos usuarios clave de la operación, es el modelo de predicción de la producción al final del turno, desarrollado por INDIMIN. Los desafíos de cómo se logra confianza en el uso cotidiano y se lleva de forma accionable, son remarcables en la medida que se han co diseñado de forma tal que propicie e incentive su uso, haciendo que la IA sea transparente, amistosa y motivante para incentivar la automatización, aumentando la asertividad y el valor en la toma decisiones.
Es importante destacar que hace algunos años, las primeras versiones de estos modelos tenían precisión de 80% aproximadamente, pero se superó a más del 94% al integrar más fuentes de información, combinación e investigación de distintos algoritmos de IA, que además de forma invisible integran áreas y rompe silos de operación para una mejor toma de decisiones.
A estos modelos se han sumado capacidades de prescripción. Vale decir, encontrar las razones de dónde están las pérdidas de operación, alta variabilidad e impacto para sugerir qué se puede hacer para mejorar, ya que las razones detrás para lograr una operación confiable y segura son dinámicas y multivariable.
Usabilidad, un desafío de transformación
Este modelo le indica a los distintos usuarios, como Centros Remotos, Jefes de Turno, o Superintendentes durante las primeras horas del turno, y con hasta un 94% de precisión, cuál será el nivel de producción al finalizar la jornada, basado en data histórica de las variables clave de la operación.
Está demostrado que el modelo de machine learning logra predecir el movimiento final del turno varias horas antes, al inicio del turno y con mayor precisión que un modelo de proyección lineal, permitiendo tomar decisiones anticipadas para mejorar la gestión y la productividad de procesos, operaciones, activos y personas.
Adicionalmente, los modelos detectan dinámicamente brechas en la eficiencia y pérdidas operacionales, entregando recomendaciones en línea y en forma remota, para tomar acción sobre ellas en el momento oportuno. Para ello se han utilizado combinaciones de redes neuronales para predecir y, a la vez, algoritmos genéticos para optimizar y lograr búsquedas de qué hacer para mejorar.
Esta predicción de qué va a ocurrir y recomendaciones de qué hacer para mejorar la productividad, se alojan en Smart Mining Coach, mostrando los resultados de una manera sencilla y fácil de entender hacia el usuario final, con la finalidad de apalancar el uso de la tecnología por parte de las personas. La clave en esto es lograr confianza en los usuarios finales. Es decir que la IA demuestre mejores resultados, de manera más sencilla, didáctica y sostenible. Análogo a la navegación en mapas de ruta, como por ejemplo, Google Maps o Waze, el algoritmo es solo relevante para los resultados finales, pero la interfaz y navegación segura y oportuna, es igual o más relevante desde el punto de usuarios finales, siendo la IA algo que pasa a trabajar en segundo plano de cara al usuario final.
En base a lo anterior, Smart Mining Coach ha logrado exitosos resultados en usabilidad de la herramienta, alcanzado hasta un 90% de fidelización de los usuarios finales y 8.3 sesiones promedio por usuario al día. Estos resultados se dan gracias a la interfaz sencilla y fácil de usar, codiseñada con los usuarios finales, de forma de apalancar la usabilidad y lograr acciones concretas y de alto impacto.
Para el caso de los operadores, existe el módulo Coach Operador, aplicación móvil para el operador de equipos mineros que fue co-diseñada con operadores, como respuesta a la necesidad de disponer de una herramienta simple que funcione como canal directo de comunicación entre diferentes áreas del negocio y el operador en forma bidireccional. Un punto importante a mencionar es que desde el mismo interés de operadores y sindicatos el Coach Operador es considerado como una herramienta práctica, fiel y motivacional respecto a la medición de resultados y objetivo en un contexto en donde se visualiza a la tecnología como un activo y apoyo crítico para el desarrollo de las personas y de la organización, y no como una amenaza o competencia.
En Coach Operador, se pone a disposición diariamente, toda la información relevante a su turno: como su asignación, avisos de seguridad, acceso a documentos relevantes, metas y objetivos del turno, sumado a un feedback e interacción personalizada turno a turno acorde a los patrones de rendimiento encontrados del operador en sus principales indicadores de operación y seguridad, los cuales van desde alertas por bajas en rendimiento, hasta reconocimientos, felicitaciones y mensajes motivacionales frente a un buen desempeño, con la finalidad de fomentar el aprendizaje, la autogestión, y el empoderamiento que finalmente conllevan a alcanzar un mejor rendimiento operacional.
La data existente en las mineras nos da la oportunidad de cambiar la manera en que hacemos las cosas, cuestionar, corregir y mejorar nuestros procesos, si logramos aplicar las nuevas capacidades de análisis que apoyan la gestión de la operación y la toma de decisiones en línea de manera oportuna y confiable. ¿Qué esperamos para transformar nuestros procesos mineros de la mano de las personas y de nuevas tecnologías?
Referencias bibliográficas:
- PwC Chile, 2016, “Modelo de Medición y Evaluación de Factores de Productividad del Capital Humano”.