Inteligencia Artificial en minería. Soluciones, desafíos, avances en Perú y Chile
LA REVOLUCIÓN DEL CONOCIMIENTO CIBERNÉTICO Y SU IMPACTO EN LA MINERÍA
NADINE JAMES / MINING WEEKLY
La integración de la inteligencia artificial en etapas tempranas en la exploración y minería muestra resultados prometedores.
El reciente entusiasmo en torno a la inteligencia artificial (IA), impulsado por millones de personas que se apresuran a explorar el chatbot ChatGPT y el generador de imágenes DALL-E, ha llevado a renovado interés y reflexión sobre el uso de la IA en el lugar de trabajo.
Las tecnologías habilitadas por la IA se han vuelto cada vez más comunes en numerosas industrias, incluyendo la minería, a pesar de que se percibe a la industria como una adoptante lenta.
El líder de IA y análisis avanzado de EY África, Kavi Pather, define la IA como cualquier sistema o máquina que pueda realizar tareas que normalmente requieren inteligencia humana, como el aprendizaje, la resolución de problemas, la toma de decisiones y el procesamiento del lenguaje natural.
“Por ejemplo, la maquinaria equipada con sensores y software de análisis de datos puede recopilar y analizar datos para identificar patrones y tendencias, monitorear el estado del equipo y brindar alertas a los operadores cuando se requiere mantenimiento . Si bien es posible que las máquinas no tomen decisiones o realicen acciones, aún realizan tareas que requieren un nivel de inteligencia y análisis”.
VEA TAMBIÉN
Agrega que, dada la relativa novedad de las tecnologías, y que la mayoría de las empresas aún se encuentran en las primeras etapas de implementación, la gran mayoría de la IA relacionada con la minería actualmente está orientada a la automatización de procesos, la recopilación de datos y la producción de conjuntos de datos para la interpretación humana. .
El valor de los datos recopilados radica en su capacidad para informar la toma de decisiones e impulsar la mejora. Los conocimientos adquiridos se pueden utilizar para optimizar procesos, reducir costos y mejorar la seguridad , entre otros beneficios.
“La IA puede optimizar el flujo de trabajo y el uso del equipo, aumentando la eficiencia y la productividad. Puede reducir el riesgo de accidentes y lesiones al identificar peligros y mejorar la confiabilidad del equipo . También puede proporcionar información que ayude a mejorar la toma de decisiones”.
Sin embargo, si bien la IA tiene el potencial de cambiar la faz de la minería , "todavía hay varias limitaciones que deben tenerse en cuenta".
Pather señala que muchas operaciones se encuentran en áreas remotas con acceso limitado a redes de datos confiables y es posible que no tengan acceso a los datos. Además, incluso cuando estén disponibles, los datos pueden ser de mala calidad o estar mal estructurados para el análisis.
“En un contexto sudafricano, la disponibilidad de datos puede ser particularmente desafiante, dada la fragmentación histórica de la industria minera y el uso limitado de formatos de datos estandarizados. También puede haber barreras culturales y organizativas para el intercambio de datos”.
Las actividades mineras también tienden a generar entornos dinámicos con múltiples variables imprevistas, lo que podría afectar la precisión y eficacia de los modelos de IA.
Además, los equipos y sistemas de sensores existentes no se diseñaron teniendo en cuenta la IA, lo que generó desafíos en términos de integración. Los modelos de IA también requieren una gran experiencia humana y conocimiento del dominio para desarrollarse e implementarse de manera efectiva, un desafío que la escasez de trabajadores calificados en la minería podría exacerbar.
Pather señala que la implementación de soluciones de IA puede ser costosa, en particular para las empresas mineras más pequeñas , y el costo puede verse agravado aún más por la incertidumbre económica local.
“Además, las aplicaciones de IA en la minería pueden requerir nuevas regulaciones y consideraciones éticas para garantizar que sean seguras, confiables y justas”, señala Pather.
¿Causa del pensamiento ilustrado?
Las actividades de minería y prospección se rigen por un "marco legislativo elaborado", siendo la principal legislación sudafricana la Ley de Desarrollo de Recursos Minerales y Petroleros (MPRDA) y la Ley de Salud y Seguridad Minera (MHSA).
El director de Práctica de Minería y Recursos del bufete de abogados Werksmans Abogados, Athi Jara, explica que, por ejemplo, la Sección 5A de la MPRDA prohíbe la realización de operaciones de prospección y minería sin un derecho de prospección o minería . “Hemos visto que la IA se incorpora en el análisis de datos durante la prospección. Estas actividades de prospección, aunque no invasivas, aún requieren un permiso”.
Además, los drones y otras tecnologías habilitadas para IA no pueden usarse sin el consentimiento, las licencias y los permisos necesarios, como el cumplimiento de la Ley de Aviación Civil y las leyes de gestión ambiental específicas .
Además, los empleadores están obligados, en términos de la MHSA, a tomar todas las medidas razonables para garantizar la salud y la seguridad de los empleados.
“En la medida en que una evaluación de riesgos realizada de acuerdo con la MHSA revele un riesgo de seguridad que podría mitigarse utilizando IA, entonces, en nuestra opinión, esta solución debe implementarse”, dice Jara.
El director de prácticas de empleo de Werksmans, Kerry Fredericks, explica, y señala que, si dicha evaluación identifica, por ejemplo, un alto riesgo de que los empleados desaparezcan bajo tierra , o la necesidad de rastrear y ubicar urgentemente a los empleados para garantizar su seguridad , entonces, “desde un punto de vista laboral perspectiva de la ley, esto apunta a un control apropiado y razonable”.
Sin embargo, considerando que las tecnologías modernas de monitoreo y seguimiento son capaces de recopilar y analizar datos asociados con la personalidad de los empleados, “se debe considerar cuidadosamente cómo se implementa esto”.
Fredericks cita la Ley de Protección de Información Personal, que exige específicamente que las empresas actúen de manera transparente al procesar información personal.
“La definición básica de privacidad es tener el poder de aislarse a uno mismo, o información sobre uno mismo, para limitar la influencia que otros pueden tener en nuestro comportamiento. Por lo tanto, los empleados que están sujetos a tecnologías de monitoreo y seguimiento de IA deben ser conscientes de que estas tecnologías se están implementando, cuándo y con qué propósito”, dice el jefe de práctica regulatoria de Werksmans, Ahmore Burger- Smidt .
Fredericks agrega que no es necesario obtener el consentimiento para monitorear y/o rastrear a un empleado: “El despliegue de tecnologías de IA que recopilan y analizan datos relacionados con un empleado, y el procesamiento de esta información, pueden justificarse como necesarios. con el fin de perseguir el interés legítimo de una empresa”.
Sin embargo, las políticas de la empresa deberían, idealmente, estipular claramente el uso de tecnologías de IA que podrían afectar a un empleado y deben limitar cualquier impacto en la privacidad tanto como sea posible. Además, la necesidad de monitoreo debe estar directamente relacionada con las funciones específicas de un empleado, dice Burger-Smidt.
Ella comenta que la compensación entre la mejora de la eficiencia y la seguridad y la pérdida de la autonomía y la privacidad de los trabajadores, para los trabajadores y las comunidades potencialmente circundantes, debe considerarse a medida que las herramientas habilitadas para IA se vuelven cada vez más comunes.
Además, si se emplean herramientas de vigilancia y monitoreo para monitorear el impacto ambiental , la prospección, la seguridad de los trabajadores o la seguridad de los perímetros del sitio, “existe un potencial significativo para que estas herramientas se utilicen de manera que puedan desafiar los principios éticos o las expectativas de la comunidad”.
Burger-Smidt sugiere que estos sistemas de vigilancia se diseñen e implementen teniendo en cuenta la privacidad y los parámetros de preservación de los derechos humanos.
En consecuencia, las empresas mineras deben adoptar y crear soluciones de IA que sigan las principales pautas de políticas y que sean explicables, transparentes y justas.
Al evaluar la solución de IA, deben comprender el origen, los atributos y la calidad de los datos utilizados para entrenar los modelos de IA para evitar sesgos.
Jara recuerda a los propietarios de las minas que la carga legal del cumplimiento de las disposiciones de la MHSA, la MPRDA y otras leyes recae en el titular de los derechos. Por lo tanto, si bien la IA puede usarse para actividades de prospección y minería , las acciones y decisiones que resultan de su uso quedan a discreción del titular del derecho y, por lo tanto, el titular tiene la responsabilidad legal final.
¿Nueva era de descubrimiento?
El uso de tecnologías habilitadas para IA en la exploración se está convirtiendo en una práctica común. Si bien la mayoría de las empresas mineras pueden emplear herramientas de IA para mejorar aspectos de sus actividades de exploración , la solución de IA del explorador centrado en minerales críticos KoBold Metal respalda todas las actividades de exploración que emprende.
El cofundador y presidente de KoBold, Josh Goldman, dice que la tecnología de la compañía se usa para guiar sus decisiones de exploración y las de sus socios, que incluyen a las grandes mineras Rio Tinto y BHP. “Las decisiones que estamos tratando de tomar son las mismas que todas las empresas de exploración : ¿Dónde exploramos? ¿En qué invertimos? ¿Qué tipo de datos recopilamos? Y, en base a eso, ¿dónde perforamos? El propósito de nuestra tecnología es tomar mejores decisiones en cada etapa del proceso de exploración ”.
Goldman señala que la plataforma TerraShedSM de KoBold agrega y estructura datos de décadas, mientras que la biblioteca de modelos predictivos de Machine Prospector utiliza la base de datos TerraShedSM para ayudar a guiar las decisiones de exploración .
“Recopilamos grandes cantidades de datos no estructurados, que incluyen documentos escritos a mano y de otro tipo con mapas, figuras y tablas. Cargamos esta información en la nube y ejecutamos el reconocimiento óptico de caracteres y otras herramientas de procesamiento del lenguaje antes de indexar todos esos datos y cuantificar la incertidumbre en los atributos clave de nuestros objetivos de perforación”.
Cita la implementación de KoBold de "las llamadas inversiones geofísicas probabilísticas" en su pila de software y su uso para guiar las decisiones de exploración . "Hemos publicado un artículo , con nuestros colaboradores en Stanford, sobre una técnica llamada Eficacia de la información, y usamos esa técnica para obtener información a partir de datos geocientíficos".
Luego, el sistema de datos de KoBold une todo, utilizando herramientas propias y de terceros, para hacer que las predicciones probabilísticas sean mucho más efectivas. El objetivo es pasar de la exploración a la producción comercial de una manera más rápida y exitosa.
Entonces, por ejemplo, para uno de nuestros proyectos canadienses , hicimos predicciones sobre los tipos de rocas que estarían presentes en la superficie . Después de realizar una extensa campaña de muestreo, evaluamos nuestras predicciones con el mejor mapa geológico convencional disponible. Descubrimos que habíamos reducido las predicciones de falsos negativos y falsos positivos en un 80 %.
"Luego, en una primera campaña de perforación en el proyecto , encontramos mineralización de níquel de muy alta calidad en ocho de cada diez perforaciones greenfield, donde hubiéramos esperado una o dos, según campañas anteriores. Realizaremos una campaña de perforación de seguimiento en ese proyecto este año”, explica Goldman.
KoBold, que el mes pasado obtuvo una participación mayoritaria en el proyecto Mingomba , en Zambia, actualmente está realizando una “ campaña de perforación agresiva ” con el objetivo de producir un estudio de viabilidad en un futuro próximo. Mingomba será un testimonio del éxito de la solución de KoBold.
Si bien existen desafíos para implementar soluciones de IA , Pather señala que los beneficios potenciales son significativos, especialmente en el contexto sudafricano, donde la minería es crucial para la economía y el panorama sociopolítico.
“Sin embargo, la IA no es la panacea para todos los problemas de la industria. La consideración cuidadosa de las limitaciones actuales, así como de sus beneficios y riesgos potenciales, es esencial para garantizar un despliegue responsable y efectivo”, concluye.
PERÚ: Más IA para resolver problemas de mineras
La gran cantidad de datos que una planta industrial puede generar es inmensa, sin embargo, no siempre es aprovechable, ya que varios de estos son descartados y dejados de lado. Esto se debe a la capacidad que tienen las personas, pues es casi imposible darse abasto de todo lo que va saliendo. En ese sentido, las Inteligencias Artificiales toman un rol importante y de mucha ayuda.
De acuerdo a un reciente estudio de ARC Advisory Group de Boston, una planta industrial promedio utiliza menos del 27% de los datos que genera, desperdiciando la posibilidad de que se usen los 73% restantes, según un reciente informe de PERÚ21.
Frente a este escenario, Álvaro Castro, Control System Line Manager & Digital Champion de ABB en Perú, sostiene que esta cantidad de datos no procesados abre un sinfín de oportunidades para la adopción de IA en las industrias. Principalmente, hace énfasis en las mineras peruanas que cada vez se apoyan en esta tendencia tecnológica para el análisis de datos con la finalidad de mejorar sus operaciones.
“Alrededor de un 20% de empresas mineras en Perú ya están trabajando con alguna solución que incluye la inteligencia artificial o tecnologías relacionadas a la IA como el Machine Learning, Digital Twin, etc. Además, existe una tendencia a seguir innovando con este tipo de soluciones basadas en IA y con planes futuros hacia nuevas áreas de proceso”, sostuvo el experto.
Así también, precisó que, si bien el resto de las empresas del sector está aún en camino de implementar estas soluciones, ya tienen un plan estratégico o están en plena evaluación de soluciones tecnológicas. Asimismo, destacó que los beneficios pueden ser impresionantes, como mayores tasas de producción, menos tiempo de inactividad gracias al mantenimiento predictivo, operaciones más seguras, menor consumo de energía y menor impacto ambiental.
Casos de éxito
Por ejemplo, se consiguió aumentar en un 10% la productividad en una compañía minera que extrae oro al integrar sus sistemas para aumentar la producción y reaccionar casi en tiempo real a todas las demandas y necesidades de los diferentes actores de la planta y mina.
En otra referencia minera, se logró un rango de entre 5 y 10% de aumento en la productividad por la gestión del blending de los depósitos o pilas de la mina que al convertirse totalmente automatizados se vuelven más rápidos y confiables.
Asimismo, se logró reducir paradas de plantas imprevistas en otra mina debido a la detección temprana de fallas potenciales que hubieran generado miles de pérdidas, como es el caso del servicio digital avanzado hecho a medida para el mantenimiento predictivo de fajas transportadoras, que ayuda a reducir las actividades no planificadas en un 30 %. “Además, el evitar fallas eléctricas en algunos activos críticos puede ahorrar un 15 % en los costos de su ciclo de vida”, señaló Castro.
Finalmente, acotó que este enfoque de análisis de datos aplicando IA se puede implementar en cualquier activo de la planta o mina esencial para reunir datos operativos, históricos y de ingeniería y visualizar su funcionamiento óptimo para obtener mejores resultados generales del proceso.
YOUTUBE: EL RECIENTE WEBINAR DEL IIMP SOBRE MINING AI
CHILE: Crecimiento de la IA, en Expomin 2023
El sector de innovación del pabellón minero de Expomin fue el escenario encargado de recibir a cientos de asistentes que participaron de actividades sobre nuevas tecnologías en la industria minera, entre las que destacan una charla internacional sobre la Inteligencia Artificial a cargo de Oliver Böhm de Bayern Innovativ y el panel “Principales oportunidades y barreras para implementar la Inteligencia Artificial”, destacó PORTAL INNOVA.
Este último fue integrado por Magdalena Ribbeck, directora corporativa de Analítica Avanzada de MinCo, Codelco; Francisco Lozano, gerente de innovación de Antofagasta Minerals; Javier Ruiz del Solar, director del Advanced Mining Technology Center de la Universidad de Chile; y Marcelo Pizarro, representante de Siemens, quienes valoraron la integración y avances de la Inteligencia Artificial en los diferentes procesos de la minería y coincidieron en identificar la gestión del cambio como la principal barrera para el avance de esta tecnología.
VEA TAMBIÉN
Además de las actividades mencionadas, también se realizó el Demoday, en el que empresas innovadoras presentaron sus soluciones para la industria. Una de ellas, fue la Edtech chilena Mine Class, quienes presentaron a SonIA, la primera relatora del país creada 100% en base a Inteligencia Artificial.
El CEO de la empresa, Claudio Valenzuela, destacó esta tecnología y comentó que “SonIA está programada para dictar clases a miles de alumnos, en un esfuerzo que significa una alta reducción de costos para las empresas, y permite la personalización y democratización del contenido a través de la Inteligencia Artificial”. Valenzuela además adelantó que la relatora ya está adaptando contenidos propios de Codelco para realizar un módulo de seguridad laboral en la empresa.
Desde la cuprífera estatal, Ribbeck valoró el método asincrónico que ofrecen las capacitaciones a distancia por la administración de los tiempos para los trabajadores. La directora corporativa de Analítica Avanzada de MinCo aprovechó de destacar además la importancia de que todas las áreas de la empresa se permeen con las posibilidades que ofrecen a la industria minera las nuevas herramientas y tecnologías. “La idea es que se genere sinergia y se potencie a todos los niveles dentro de Codelco”, sostuvo.
Para las últimas otras jornadas de Expomin, el sector de innovación continuó realizando paneles y actividades que contemplaron temáticas como “talento del futuro y valor social” y “ecosistemas y valor compartido”.