La gestión de los residuos que se depositan en los relaves se ha convertido en un gran desafío para la industria minera. La preocupación que cobra éste no tan sólo para las empresas del sector sino también para las comunidades, va en aumento frente al impacto que ha ido generando el cambio climático.
Según datos de Sernageomin, hoy existen 742 depósito de relaves en Chile: dos en construcción; 104 en operación; 104 inactivos; y 173 en situación de abandono.
Related posts
En este escenario, surgen propuestas que se enfocan en generar valor de ello, usando la tecnología y la Inteligencia Artificial, como es el caso de Soluciones Digitales Alaya; empresa chilena que creó un modelo predictivo que usa Inteligencia Artificial y análisis de datos, el cual disminuiría en 30% los costos de manejo de relaves.
Se trata de una solución para Codelco –denominada Miner Plus–, la cual permitiría ahorrar hasta US$ millones en el proceso de construcción del relave Talabre VIII, ubicado en Chuquicamata y que sirve a las minas Radomiro Tomic, Ministro Hales ya la propia mina Chuquicamata .
Identificando brechas de productividad
La construcción de un tranque de relaves implica la carga, transporte y descarga de cientos de miles de toneladas de desechos mineros usados para construir muros del tranque que contengan todos los residuos. Se consideran obras con grandes movimientos de tierra, cuyo control de productividad suele medirse con procedimientos manuales que muchas veces conducen a error.
En ese marco, se abrió un espacio para que la vicepresidencia de Proyectos de Codelco, decidiera abordar la optimización de los procesos de su proyecto Talabre a través de Miner Plus.
Proceso
En una primera etapa, se llevó a cabo un análisis descriptivo de los datos para extraer conocimiento, patrones e insights
del proceso, a partir de diferentes métricas y KPIs, entre ellas, los tiempos de los subprocesos de carga, traslado y descarga, tiempos de ralentí y velocidad cero, tiempos perdidos al inicio y fin de turno, tiempos y frecuencias de colación, tiempos y distancias en colas en carga y descarga, eventos de acercamiento entre equipos, área de avance de los equipos de descarga (bulldozers, rodillos compactadores y motoniveladoras), frecuencia y tiempos de repostaje, rendimiento, tiempo efectivo de trabajo, por mencionar algunos de los más relevantes.
Con los datos recogidos en esta etapa, se identificaron los focos de pérdida de productividad, se valorizaron y finalmente se ponderó cada uno, llegando a determinar con exactitud los tiempos perdidos y lo más importante, las causas. Los focos de pérdida fueron focalizados principalmente al inicio y término de turno, colación, y reposteo de combustible. Y lo que es más importante, la determinación del horizonte de recuperación de productividad, que Codelco lo definió en un mínimo alcanzable del 33 %.
Solución
Posterior al análisis de los datos, Alaya Digital Solutions, visualizó una oportunidad y decidió desarrollar un sistema de operación inteligente–utilizando modelos analíticos de optimización y predictivos en tiempo real– que le permiten a la minera optimizar todas las faenas de construcción de muros y minimizar las pérdidas del proceso.
Para ello, los modelos analíticos se sincronizan en tiempo real, los procesos de carga, descarga y colocación de material y considerando variables operativas clave, como por ejemplo, las condiciones en el carguío, los tiempos de descarga debido a dificultades estructurales y operativas, reposteo de combustible, eventos de pinchazos, mantenimientos programados y correctivos, logística de inicios y términos de turno, enviando instrucciones de operación a todo el personal involucrado en las distintas faenas, así como también a supervisores y gerentes.
