• En 2019 fueron los ganadores de la primera Hackathon de Antofagasta Minerals que buscó identificar un modelo para predecir fallas en sistemas motrices del Sistema de Transporte de Mineral Grueso (STMG).

DETA Consultores es una empresa dedicada a la mejora interna de las organizaciones, mediante el uso inteligente de los datos. Específicamente, generan herramientas de apoyo a la toma de decisiones mediante el uso de modelos de machine learning/data mining.

En 2019  fueron los ganadores de la primera hackathon de Antofagasta Minerals, realizada con el apoyo del programa Expande, instancia en la que accedieron a un contrato que les permitió el desarrollo, en conjunto con el equipo de la Unidad de Analitica Avanzada de la compañía minera, de modelos de predicción de fallas, a través de diferentes fuentes de datos operacionales y de monitoreo de condiciones en los Sistema de Transporte de Mineral Grueso (STMG).

Hoy su trabajo, no solo se remite a la industria minera donde también han trabajado con SQM, sino que también a la industria del retail, agricultura y ferroviaria, donde la inteligencia en el uso de los datos también ha sido un elemento clave y diferenciador en su trabajo.

Conversamos con Felipe Aguilera, Gerente General de la compañía, quien nos habla sobre la importancia del uso de herramientas de Data Analytics y Machine Learning, los positivos beneficios que reporta para las industrias, además de su experiencia de trabajo con Antofagasta Minerals.

– ¿Cómo a través del uso inteligente de datos se puede favorecer una mejor toma de decisiones en la industria minera? ¿Qué beneficios concretos puede reportar en las compañías mineras y grandes proveedores un mayor uso de herramientas de Data Analytics y tecnologías 4.0?

La gestión del conocimiento al interior de una organización es clave para poder tomar buenas y mejores decisiones. En la actualidad, ya no basta con medir los tradicionales KPI en una empresa, sino que es necesario ir más allá.  Las estrategias basadas en datos apuntan a esto, registrar todo lo que ocurre con la suficiente calidad, en términos de frecuencia y granularidad, no solamente para medir el desempeño histórico de una empresa minera en este caso, sino que para comprender el pasado y predecir el futuro. Esta estrategia es el camino para poder incorporar tecnologías más avanzadas en un futuro, como, por ejemplo, aquellas asociadas a la Industria 4.0, incluyendo automatización e IoT, entre otros.

 – ¿Qué tanto han penetrado en la industria minera las soluciones de este tipo si comparamos con otras industrias? ¿De qué factores depende la adopción?

El desarrollo y uso de soluciones de analytics requiere de una adaptación paulatina de las organizaciones respecto de las formas tradicionales de funcionar. Se necesita que todos los que conforman una organización comprendan la importancia de estas estrategias y que cada uno contribuya a su éxito. Por lo anterior, una gran cantidad de empresas, como en la industria bancaria, telecomunicaciones y retail, incorporan las soluciones de analytics dentro de sus procesos de Transformación Digital, con el objetivo de generar un cambio cultural al interior de la empresa y en la forma de enfrentar los problemas futuros.

– Si miramos la cadena de valor de la minería, ¿dónde visualizan el mayor impacto? ¿sobre un proceso particular o transversalmente?

El uso inteligente de datos se puede extender transversalmente a toda una organización, dado que genera beneficios desde la estrategia hasta la operación. Particularmente en la minería, el valor se puede obtener a través de la posibilidad de anticiparse a la toma de decisiones de producción o la detección de anomalías de ciertos equipos o sistemas. La utilización inteligente de los datos permite agilizar los procesos críticos, reducir las pérdidas en la operación y aumentar la disponibilidad de los activos el mayor tiempo posible.

– En 2019 fueron los ganadores de la primera Hackathon de Antofagasta Minerals que buscó identificar un modelo para predecir fallas en sistemas motrices del STMG (Sistema de Transporte de Mineral Grueso) para mejorar la toma de decisiones. ¿Cómo fue la experiencia?

Fue una experiencia sumamente valiosa y desafiante a la vez, dado que permitió el uso de este tipo de técnicas, que se han estado utilizando en otras industrias, pero ahora en minería de forma más incipiente. Este proyecto de co-desarrollo ha aunado el expertise de los profesionales de mantenimiento y operaciones con el área de machine learning, en el cual nos desenvolvemos, de manera de identificar anticipadamente fallas y anomalías que permitan, en un futuro, llevar a cabo acciones concretas que generen valor a la compañía.

– ¿En qué consiste el contrato de codesarrollo con la Unidad de Analítica Avanzada que se adjudicaron? ¿En qué etapa del proceso con Antofagasta Minerals se encuentran? ¿Qué resultado han podido reportar?

El contrato consistió en el desarrollo, en conjunto con el equipo de la Unidad de Analitica Avanzada, de modelos de predicción de fallas, a través de diferentes fuentes de datos operacionales y de monitoreo de condiciones en los sistemas motrices del STMG. Este proyecto finalizó a mediados de julio con la implementación final de los dashboards y reportes con los modelos de predicción en tiempo real de los diferentes subsistemas que conforman el STMG.

 – ¿Qué oportunidades a partir de los datos pudieron detectar y que tienen un impacto en la operación?

Lo principal es el hecho de que es posible anticiparse a eventos futuros, al analizar los datos históricos de la operación, mantenimiento y confiabilidad disponibles. Existe una enorme oportunidad para la generación de valor, a partir de los modelos de Machine Learning, que facilitan la comprensión y la anticipación de ciertos fenómenos que no son posibles de realizar ni con análisis exhaustivo. Para esto, se requiere llevar a cabo una estrategia mixta que integre la visión del negocio, entendimiento de los procesos críticos, y uso de analytics para maximizar la vida de los activos o la eficiencia operacional.

 – ¿Cuál es el atributo diferenciador de las soluciones de Data Analytics y Machine Learning?

Los modelos de Machine Learning tienen como objetivo desarrollar técnicas que permiten a las “máquinas” generalizar comportamientos y reconocer patrones a partir de los datos que se dispongan. Como atributo diferenciador, se trata de pasar de una estrategia reactiva a una estrategia proactiva a través del uso de grandes volúmenes de datos, es decir, a una gestión y toma de decisiones que se adelanta a la ocurrencia de ciertos eventos, generando una mejora estratégica que permite revelar nuevas oportunidades de negocio.

– ¿En qué otros procesos de la cadena de valor de la minería se han involucrado y con qué compañía?

Hemos trabajado en SQM en dos proyectos de Advanced Analytics. El primero se trató de un proyecto para explicar la variabilidad de una planta de sales, mientras que el segundo se trata de un desarrollo de algoritmos de optimización para la planificación y programación logística.

– ¿Qué experiencias desarrolladas en otras industrias como la del retail han servido como ejemplo para replicar y/o mejorar en la industria minera?

Nuestra experiencia en otras industrias nos permite tener una visión amplia de las soluciones existentes que se realizan en la actualidad, tanto a nivel estratégico (para seleccionar la solución más adecuada de acuerdo con el nivel de madurez específico de una empresa), como a nivel técnico (para elegir las herramientas tecnológicas adecuadas al problema específico a resolver).

Ya sea en retail o minería, las técnicas específicas que se utilizan son las mismas, ya sea para construir modelos descriptivos, predictivos o de optimización. Lo fundamental, y que es parte de nuestro sello, es combinar y balancear adecuadamente la comprensión científica de esta área en conjunto con la experiencia desarrollando proyectos aplicados en diferentes industrias.

– Mirando el mediano y largo plazo, dónde se ven en la industria minera (hay alguna ambición particular), en qué tipo de negocios les interesa posicionarse?

Nuestro foco se encuentra en fomentar el desarrollo del área de Analytics en la industria minera, de tal forma de que sea más habitual ver este tipo de soluciones en el sector. Sin embargo, para desarrollar proyectos de este tipo, se requieren de capacidades técnicas, que son difíciles de encontrar en el mercado, y del desarrollo de una arquitectura tecnológica acorde, que permita almacenar, procesar y visualizar grandes volúmenes de datos en tiempo real. Por lo anterior, queremos ser un referente para colaborar con las empresas mineras en el camino correcto del desarrollo de estas nuevas iniciativas, contribuyendo con nuestra visión científica rigurosa, a través del uso de técnicas y metodologías adecuadas a esta área, y nuestra expertise en el desarrollo de proyectos aplicados que generan valor a las organizaciones.

– ¿Cómo ven el rol que juega Expande en el ecosistema de innovación en minería y cuál es el valor que le ven como proveedores?

Fomentar la innovación es clave para mejorar las formas tradicionales de funcionar. Sin embargo, la innovación requiere de tiempo y recursos, que no siempre se encuentran disponibles, principalmente para comprender las oportunidades de mejora existentes. En este contexto, la existencia de Expande facilita a la industria minera la posibilidad de innovar, al articular un ecosistema de empresas que ofrecen productos y servicios innovadores para la minería, entre las cuales se encuentra DETA Consultores.