es.wedoany.com Noticia: Anglo American está implementando un sistema de mantenimiento predictivo basado en inteligencia artificial en su mina de cobre Quellaveco en Perú, con el objetivo de mejorar la eficiencia y seguridad de las operaciones mineras. Desde la puesta en marcha de la planta concentradora en 2022, el proyecto ha acumulado una gran cantidad de datos operativos de los equipos. Gracias a herramientas de aprendizaje automático, el sistema puede identificar patrones anómalos y prevenir fallos antes de que afecten la producción.
El núcleo de este sistema es Aspen Mtell, un programa de IA desarrollado por Anglo American en colaboración con su socio estratégico Emerson. Se trata de una herramienta de aprendizaje automático capaz de aprender el comportamiento de los equipos y detectar anomalías precursoras de fallos. El proyecto se inició en agosto de 2024 y, tras varios meses de preparación y pruebas, se activó oficialmente el 27 de diciembre del mismo año. Durante su implementación, participaron la Gerencia de Estrategia y Confiabilidad de Activos (AS&R) y la Gerencia de Gestión de Información (IM), con el apoyo del equipo global de confiabilidad de Anglo American. La primera fase del proyecto se centró en cuatro bombas principales de molienda que transportan pulpa a los hidrociclones. Mediante el aprendizaje automático, el sistema ahora puede predecir posibles fallos en estos equipos con semanas de antelación. En la siguiente fase, la IA se aplicará a otros componentes y procesos operativos, y con cada nueva aplicación, la tecnología seguirá aprendiendo y mejorando su capacidad predictiva.
En el ámbito de la exploración y planificación, la inteligencia artificial está transformando los modelos de trabajo tradicionales. En el foro TIS de Perumin 37, Farzi Yusufali, CEO y cofundador de Stratum AI, presentó la aplicación de su plataforma SAIGE (Stratum AI Geospatial Estimator) en la mina de cobre Candelaria-Punta del Cobrel en Chile. En un yacimiento de tipo IOCG, la plataforma utilizó datos existentes para crear modelos de recursos más precisos. Los resultados de las pruebas mostraron que, con solo 2200 metros de perforación (en bloques clasificados como estéril según el método kriging tradicional), la plataforma identificó y confirmó 7,7 kilotoneladas adicionales de cobre, valoradas en aproximadamente 64 millones de dólares. Las leyes de cobre en los tramos clave alcanzaron hasta un 3,2%, con intervalos de 12 a 59 metros, y más del 90% de los sondeos del proyecto encontraron mineralización económica. Además, el modelo optimizado por IA permitió reasignar el 19% de los recursos de perforación a nuevas oportunidades de alto valor, y mediante la priorización inteligente de zonas de alta ley, redujo la necesidad de perforación entre un 16% y un 25%.
En el ámbito de la modernización regulatoria, el Servicio de Evaluación Ambiental (SEA) de Chile realizó en enero de este año una presentación del "Plan de Modernización Tecnológica del SEIA", dando a conocer a la industria minera los principales lineamientos de esta iniciativa. El plan busca modernizar el Sistema de Evaluación de Impacto Ambiental (SEIA) mediante la introducción de herramientas digitales, automatización de procesos e inteligencia artificial. Su objetivo es procesar los más de 27 millones de páginas y más de 29.000 proyectos de datos actualmente contenidos en la plataforma, transformándolos en información útil para respaldar las evaluaciones ambientales durante los próximos 15 años. La iniciativa incluye la implementación de inteligencia artificial, nuevos flujos de trabajo digitales, mejora de la experiencia del usuario e incorporación de herramientas de análisis regional y comparativo.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
