El valor de los datos en gestión de procesos mineros

Los criterios y metodologías de medición deben estar validadas por un grupo de personas que participará del proceso de análisis y toma de decisiones. Esto es real tanto para una sociedad, una organización como una empresa o una persona en particular. Si esto ocurre, los datos adquieren legitimidad, las comparaciones se aceptan y los individuos eliminan sus sensaciones personales sobre lo observado.

Personal de mina utilizando el módulo de Blastics Surface de perforación y voladura mientras controla implementación en terreno.

En las empresas y procesos de ingeniería se deben llevar estos conceptos al límite. Los profesionales deben ser capaces de medir cada una de sus acciones y apostar por optimizaciones que tengan como resultado un retorno global positivo. Esto es una historia antigua que viene ocurriendo desde hace más de un siglo, cuando Frederick Winslow Taylor introdujo en su libro titulado 'Shop Management' en 1903 formulaciones para medir las actividades laborales. Su objetivo era maximizar las capacidades de cada uno de sus trabajadores.

En estos últimos 100 años se han observado mejoras en las técnicas de medición de los datos. Se ha evolucionado en la forma de capturarlos por medio de sensores cada vez más inteligentes y rápidos. También se mejoró las formas de transferirlos (cantidad y calidad). Por último, se ha mejorado su procesamiento, que por medio de técnicas cada vez más sofisticadas (Machine Learning e Inteligencia Artificial) es factible su transformación en ideas útiles para la toma de decisiones.

La evolución de las industrias en este tema ha sido completamente dispar. Algunas, como la industria manufacturera, han sido capaces de adoptar con mayor facilidad diversos tipos de técnicas (su capacidad instalada fija e inamovible permite una sensorización estable sin mayores cambios durante largos periodos de tiempo). La industria automotriz, tecnológica, transporte, energética, entre otras, también han caminado esta senda.

No fue y no ha sido el caso de la minería. Por décadas, se ha pensado que la implementación de tecnologías tanto para capturar datos o automatizar es un costo que resta beneficio.

¿Cómo explicar esta situación? Las materias primas están supeditadas a ciclos de altos y bajos precios, además de ser un negocio de mucha incertidumbre. La ganancia de las empresas que comercializan materias primas está constreñida a la diferencia entre el precio (parámetro que no pueden controlar) y el costo del proceso. Es por esto que cualquier gasto es considerado inicialmente como una pérdida de valor. Debido a esto, gran parte de la gestión y monitoreo de la minería sigue siendo un trabajo realizado manualmente, de forma arbitraria y sin mediciones consistentes.

Personal de control de leyes usando la aplicación móvil en terreno.

Si ahondamos mayormente dentro de la minería, existen deferencias dentro de su cadena en sus niveles tecnológicos y por tanto, en su capacidad de adquirir datos. Por ejemplo, las plantas de procesamiento, por parecerse a una fábrica manufacturera, han sido capaces de mayores implementaciones tecnológicas para control de circuitos. En estos espacios productivos se han empleados sistemas SCADA (Supervisory control and data acquisition) por más de 3 décadas. Para el caso de las minas no ha existido el mismo desempeño. Quizás el proceso de carguío y transporte sea el más adelantado debido a que en los años 80 fueron creados los primeros sistemas de gestión de flotas en EE. UU. (Modular Mining System Clevenger, 1983), los cuales se han perfeccionado con el paso de los años.

Para el caso de la Perforación y Voladura (P&V), etapa previa al carguío y transporte, esta suerte no ha sido la misma. Esta etapa es quizás la menos evolucionada por no contar con sistemas formales de control y monitoreo.

Esta introducción nos permite un pequeño indicio sobre los datos y como las diversas industrias lo han enfrentado. En términos globales es necesario ser conscientes que hasta el 6% de la producción mundial está en riesgo durante la próxima década (Stockpole, 2022a), como resultado de la brecha digital entre quienes pueden capitalizar los datos y quienes aún luchan por descubrir su papel y lo que está en juego.

Sin embargo, Rocha Blast Engineers (área de Software y sistemas QA/QC) y MiningiDEAS (Consultoría) tienen las claves para revertir dicho escenario y sacar el mejor potencial a tu proceso productivo.

Entendemos este devenir histórico y estudiamos como otras industrias han mejorado sus procesos de captura de datos. En nuestros trabajos de consultoría incentivamos la implementación de medios que permitan capturar datos y convertirlos en información accesible y útil para la empresa en general. Al mismo tiempo, desarrollamos capacidades en el personal para que pueda comprender qué significan estos datos, qué datos son necesarios para interpretar el comportamiento de los procesos y en consecuencia, para que las personas determinen mediante criterios su validez y calidad. Sólo bajo este enfoque una compañía puede tomar decisiones de valor y cambiar la forma en que operan.

Los datos con los que trabajamos para poder desarrollar nuestras consultorías y entregar las mejores recomendaciones parten de una buena interpretación de las líneas de base, lo que nos permite democratizar la información para llevarla a la organización en general.

En la etapa de consultoría reconocemos:

1. Análisis en la forma de captura de los datos.
2. Formas de almacenamiento y transmisión de los datos.
3. Aseguramiento y control de calidad de los datos (Qa-Qc).
4. Análisis exploratorio de datos (EDA).
5. Procesamiento y generación de información a partir de los datos.
6. Proposición de modelos de trabajo.
7. Uso de la ciencia de datos mediante herramientas matemáticas y estadísticas (data analitycs).
8. Visualización y monitoreo de los datos mediante reglas de negocio.
9. Implementación de reportes con KPIs determinantes para la empresa.
10. Gobernanza de los datos según regulación, ley y marco ético.

A través de estas etapas logramos que las personas confíen y se comprometan con sus datos y por consiguiente dimensionen la importancia que tienen para el negocio. Las empresas mineras pueden y deben aprovechar el valor de los datos para sustentar nuevos modelos de negocios que puedan generar conocimiento en tiempo real, lo que les permitirá ofrecer herramientas y soluciones para la mejor toma de decisiones en colaboración con sus stakeholders.

La industria minera debe centrarse en lo que pueden lograr los datos. Según Marrón (2021) esto es posible en el ámbito empresarial, estableciendo capacidades de datos, desarrollando una estrategia de monetización de datos y fomentando una creencia en toda la empresa de que los datos son asunto de todos. Numerosas industrias o empresas como Amazon o Google trabajan mediante modelos digitales para desarrollar sus competencias. Los ingresos no provienen de los productos, sino de los datos, el negocio se organiza en torno a plataformas digitales, no cadenas de valor; y las ofertas no son amplificadas y avanzadas por las estructuras de la industria, sino por los ecosistemas digitales (Stockpole, 2022b).

¿La industria minera está preparada para abordar estos desafíos? Creemos que sí, y para conseguir adaptar su ecosistema debe contar con la ayuda de tecnologías digitales modernas como la inteligencia artificial, los sensores y el Internet de las Cosas. Esto hará que las empresas que nacieron en otros tiempos y bajo otros enfoques también pueden aprovechar el poder de los datos y los ecosistemas digitales.

Si bien una parte de la gran minería mundial ha avanzado hacia la automatización de equipos, donde se pueden incluir los equipos de perforación y carguío de explosivos, aún existen grandes empresas mineras que no cuentan con servicios que permitan una forma sistemática de captura de datos en este proceso. Mucho menos, existen las condiciones económicas para que empresas de mediano y pequeño tamaño puedan adquirir sistemas que viabilicen información de manera automática. Por tanto, muchos procesos como el de perforación y voladura siguen capturando datos de forma manual y poco estructurada.

La evaluación de proyectos mineros y la explotación de estos, depende de la calidad y cantidad de datos analíticos que generalmente se obtienen al analizar muestras de diferentes tipos de perforaciones. El uso eficaz y eficiente de estos datos deben ser un objetivo fundamental para las personas que desarrollan actividades en las áreas de exploración y explotación de minas. La incertidumbre de los recursos y reservas estimados en los proyectos mineros depende generalmente de la precisión y/o repetibilidad de los datos recopilados, entre varios otros factores. Es necesario utilizar estos datos junto a un set de herramientas basadas en los principios y técnicas que permitan garantizar la confiabilidad de la información para la evaluación de depósitos minerales.

Estas herramientas se conocen como Aseguramiento de la Calidad y Control de la Calidad (QA-QC). En general, los procedimientos de QA-QC consisten en monitorear la precisión y la exactitud de los resultados, controlar, diagnosticar e identificar las fuentes de error. El aseguramiento de la calidad (QA) consiste en un conjunto de actividades preestablecidas y sistemáticas, necesarias para garantizar que una determinada actividad u operación alcance un grado aceptable de calidad. El control de la calidad (QC) se basa en técnicas y actividades de rutina de carácter operativo, utilizadas para determinar el nivel de calidad realmente alcanzado.

Es aquí donde los sistemas como Blastatistics son esenciales para que la minería completa dé un salto tecnológico hacia la excelencia operacional y la consecución de exitosos programas de optimización (Mine-to-Mill), que tengan en cuenta información geológica validada.

Consideramos que es necesario optimizar las actividades de mapeo geológico y perforación y voladuras que impactarán en la trituración y molienda. Para ello, se necesitan combinar tres elementos: una correcta estrategia de digitalización, una implementación de aseguramiento de calidad y control de la calidad (QA/QC) y una metodología de análisis avanzado de datos.

El objetivo es identificar variables que gobiernan el negocio y medir su impacto en el proceso de recuperación de minerales en la Planta de Procesamiento. La ausencia o mala ejecución de estos elementos conllevan al fracaso de cualquier implementación de plataformas tipo Business Intelligence.

En cuanto a mapeo geológico, con la información más relevante de caracterización geológica del macizo y un muestreo para control de leyes automatizado, la digitalización se enfoca en una toma de datos ágil, fiable, con criterios estandarizados y de fácil manejo para el personal de terreno. Además de la automatización en el procesamiento de la data y la gestión de la misma en procesos de analítica donde los datos de caracterización geológica son fundamentales.

Para esta función contamos con BlastisGEO Surface, para minería a cielo abierto (y su versión para subterránea, BlastisGEO Underground).

La digitalización permite, no solo la obtención de un dato de calidad, sino la optimización de los mismos procesos que, realizados de forma manual o semiautomatizados, infieren en error humano, menor rendimiento y baja calidad o consistencia del dato tomado.

Como ejemplo, las cifras de ahorro y mejora conseguidas con la implementación de BlasticsGEO Surface en una minera mexicana de oro son:

Detalle de caracterización geológica en web BlasticsGEO Surfa.

Las técnicas de QA-QC en la toma de datos y control de implementación de la voladura proporcionan y garantizan la información necesaria para realizar los análisis clave requeridos, permitiendo identificar falencias, debilidades y, por tanto, oportunidades de mejora del proceso para poder tomar medidas eficientes a corto, medio y largo plazo. Medidas que proporcionan beneficios de mejores resultados de voladura, ahorros económicos por disminución de excesos de recursos, disminución de gases de efecto invernadero (CO₂, CO y NOx principalmente) y, por supuesto, relevantes implicancias transversales y con fuerte impacto en la cadena de valor, si se trazan y alinean con estrategias de mejora continua sobre el ciclo de vida de la mina.

Entre otros datos probados por usuarios en operaciones de México, Bolivia, España y Perú, las mejoras obtenidas por la implementación de Blastics Surface para control de calidad de voladura, tanto en terreno como oficina, se concluyen en:

Imagen de la web de los gráficos de KPI`s.

Con todo este QA-QC perfectamente desarrollado, a través de Data Analytics, empleando herramientas de Big Data, Machine Learning, Modelos Predictivos e Inteligencia Artificial, se consigue la identificación y priorización de patrones productivos además del entendimiento de las tendencias del proceso productivo.

Como producto de todo lo anterior es posible la correcta implementación de plataformas de toma de decisiones y una reportabilidad automatizada customizada para los diversos niveles jerárquicos de una compañía minera.

Referencias:

• Clevenger, J.G. 1983. Dispatch Reduces Mining Equipment Requirements., in: Mining Engineering, 1983: pp. 1277–1280 (ISSN 00265187).
• Marrón, S., 2021. It’s time to ‘radically escalate’ your commitment to data. https://mitsloan.mit.edu/ideas-made-to-matter/its-time-to-radically-escalate-your-commitment-to-data Sep 16, 2021. MIT Management Sloan School.
• Stackpole, B., 2022a. Data is the key to overcoming the “new digital divide” https://mitsloan.mit.edu/ideas-made-to-matter/data-key-to-overcoming-new-digital-divide, Aug 16, 2022. MIT Management Sloan School.
• Stackpole, B., 2022b. Why data-driven customers are the future of competitive strategy. https://mitsloan.mit.edu/ideas-made-to-matter/why-data-driven-customers-are-future-competitive-strategy Sep 7, 2022. MIT Management Sloan School.