Ruediger Schroedter, líder global de la unidad de negocios de la industria minera en SAP, brinda sugerencias para utilizar IA para garantizar que las instalaciones de relaves sean lo más seguras posible.
Desde la falla de una presa en enero en una mina de jade en Myanmar hasta otra falla relacionada con un deslizamiento de tierra en mayo en una mina de oro en Filipinas, hasta un incidente en junio en una mina de cobre chilena, 2024 ha traído varios recordatorios fuertes de que las fallas de las presas de relaves siguen siendo un problema persistente y costoso para la industria minera.
¿Hasta qué punto? La organización World Mine Tailings Failures estima que existen unos 35.000 vertederos de relaves mineros en todo el mundo y que entre 1960 y 2023 se produjeron 156 catástrofes a causa de derrumbes en esos lugares. El coste de estos desastres en términos de impactos en la salud humana, daños ambientales y limpieza es incalculable.
Sin embargo, ahora existe una nueva generación de capacidades basadas en inteligencia artificial que ofrece a las empresas mineras una herramienta decididamente moderna para gestionar mejor esta antigua amenaza a la salud pública, la seguridad, la situación financiera y la reputación de la marca. Al utilizar capacidades de recopilación de información, modelado y análisis basadas en inteligencia artificial, las empresas pueden gestionar los relaves de manera más proactiva y predictiva y, en el proceso, tal vez incluso convertir los materiales atrapados en esos depósitos de desechos en una fuente de ingresos.
Para aprovechar las capacidades de la IA se necesita una base sólida, que incluye la preparación para la nube (la nube es donde residen la mayoría de las capacidades de IA) y un único sistema de registro dentro de la empresa para gestionar y almacenar los datos. Las empresas que dependen de un mosaico de diferentes procesos, hojas de cálculo y sistemas tendrán dificultades para organizar los datos históricos y en tiempo real, precisos y relevantes que las herramientas de IA requieren para generar información.
En resumen, para aprovechar la IA, es necesario tener un buen manejo de los datos, además de la capacidad de recopilar datos de fuentes internas y externas y luego introducirlos en las capacidades de IA que se tienen a mano.
Con esa base establecida, es hora de comenzar a explorar casos de uso específicos para la IA en el frente de la gestión de relaves, incluidos:
- Análisis predictivo de presas y equipos para identificar posibles fallos antes de que se produzcan: Los datos en tiempo real procedentes de un equipo equipado con sensores podrían identificar un problema potencial con ese equipo que se puede abordar de forma proactiva. En el caso de una bomba, por ejemplo, un análisis de los datos de consumo de energía, temperatura y caudal podría identificar rápidamente una anomalía que sugiera que es hora de sustituir una pieza dentro de la bomba. A mayor escala, las herramientas de modelado inteligente podrían identificar una parte particular de una presa que sea susceptible a un evento de lluvia intensa o un movimiento sísmico.
- Predicción de posibles factores estresantes para presas y equipos en función de datos de fuentes internas y externas: Los modelos de IA pueden tomar sus propios datos históricos sobre una presa de relaves (especificaciones de diseño, historial de mantenimiento, etc.) y combinarlos con información meteorológica muy localizada, por ejemplo, para alertar a una empresa de que debe tomar medidas de manera proactiva para evitar una presión indebida sobre una presa, bombas y similares. Del mismo modo, utilizando datos en tiempo real de sensores, la IA puede identificar condiciones cambiantes dentro y alrededor de una presa y proporcionar alertas anticipadas al personal adecuado.
- Utilizar cámaras remotas monitoreadas por IA para identificar condiciones que podrían provocar fallas en los equipos o en las represas: La IA puede analizar transmisiones de video en vivo para identificar cambios potencialmente problemáticos en los niveles de agua, por ejemplo, o cambios en la topografía que podrían ser problemáticos.
- Acceso rápido a la documentación y al historial de un equipo específico: Al activar un copiloto de IA generativa, un técnico puede acceder rápidamente a la información de mantenimiento y a otros datos críticos sobre el equipo.
- Cumplimiento y presentación de informes. Otro ámbito en el que la IA puede ayudar a las empresas mineras es el cumplimiento de las nuevas normas para las instalaciones de almacenamiento de relaves, como la Norma industrial global sobre gestión de relaves. Debido a la participación de la industria minera en tantas cadenas de valor e industrias posteriores, junto con la proliferación de regulaciones relacionadas con la sostenibilidad, las empresas mineras enfrentan una creciente responsabilidad de proporcionar datos a los clientes y a los reguladores sobre el origen de los materiales que extraen, cómo se extrajeron, etc. Todos estos esfuerzos se basan en la recopilación, estandarización y compartición de datos. Ahí es donde la IA puede ayudar.
Existe otra motivación para que las empresas eviten las fallas de las presas y mantengan los relaves en el lugar que les corresponde: el potencial de recuperar materias primas valiosas de estos depósitos de desechos. Vale dijo que espera que para 2030, el 10% de su producción de mineral de hierro provenga de la reutilización de relaves. La empresa también lanzó Agera, una empresa que vende arena producida a partir del tratamiento de relaves. Las capacidades de modelado inteligente pueden mostrar a las empresas cómo optimizar estos procesos circulares.
Es importante destacar que hoy en día existen herramientas inteligentes como estas, por lo que las empresas mineras ahora tienen los medios para convertir la gestión de relaves de un dolor de cabeza a una verdadera oportunidad de negocio.
Este artículo ha sido publicado originalmente en Global Mining Review. Ha sido traducido y publicado en GĚRENS en febrero de 2025.
Gestiona de manera eficiente los costos de tus proyectos con nuestro programa en Gestión de Relaves en Minería.