En miner\u00eda, la tecnolog\u00eda aut\u00f3noma, ahora se aplica a camiones de acarreo, trenes, plataformas de perforaci\u00f3n, monitoreo basado en drones y otros sistemas m\u00e1s simples, pero a\u00fan no a las plantas de procesamiento de minerales.\u00a0<\/span><\/p>\n La industria 4.0 brinda la oportunidad de un cambio radical en la automatizaci\u00f3n del procesamiento de minerales, ya que es una nueva gama de tecnolog\u00edas que aborda desaf\u00edos que se han mantenido durante 50 a\u00f1os.\u00a0<\/span><\/p>\n <\/p>\n Sin embargo, la expectativa que rodea a la Industria 4.0, puede ser abrumadora, y el movimiento hacia una industria altamente digitalizada, se percibe como riesgosa para muchos en la industria minera, con un peque\u00f1o beneficio tangible detr\u00e1s del boom..\u00a0<\/span><\/p>\n Conceptos como la inteligencia artificial (IA), <\/span>machine learning <\/span><\/i>\u00a0y digital twins, se est\u00e1n volviendo omnipresentes en los medios, pero los resultados de tales tecnolog\u00edas no siempre son evidentes.<\/span><\/p>\n A la luz de esto, el control inteligente IDEASTM de ANDRITZ, combina tres elementos que son tecnolog\u00edas probadas:<\/span><\/p>\n <\/p>\n <\/p>\n Cada uno de estos elementos se explora con m\u00e1s detalle a continuaci\u00f3n:<\/span><\/p>\n <\/p>\n Cuando el p\u00fablico piensa en IA, la percepci\u00f3n es a menudo la de una entidad inteligente independiente, capaz de aprender tareas abstractas. Sin embargo, la capacidad conocida acad\u00e9micamente como \u00abStrong IA\u00bb a\u00fan est\u00e1 fuera de nuestro alcance, probablemente para alivio de muchos.\u00a0<\/span><\/p>\n <\/p>\n Por otra parte, cuando hablamos de inteligencia artificial para la industria, nos referimos a \u00abweak AI\u00bb, que puede parecer que muestra inteligencia, pero que est\u00e1 realmente adaptada para automatizar una tarea o sistema en particular. De esta manera, cuando se trata de la Industria 4.0, la aplicaci\u00f3n exitosa de \u201cweak AI\u201d significa la resoluci\u00f3n autom\u00e1tica de problemas espec\u00edficos sin eliminar por completo a los humanos del circuito. Este tipo de IA, como se mencion\u00f3 anteriormente, se emplea con \u00e9xito en muchas aplicaciones para empresas o consumidores finales.<\/span><\/p>\n <\/p>\n Factores humanos: el caso de la automatizaci\u00f3n<\/span><\/i><\/p>\n <\/p>\n A pesar de todas las fortalezas cognitivas de los humanos, todav\u00eda estamos sujetos a limitaciones fisiol\u00f3gicas. La persona promedio solo puede procesar aproximadamente 120 bits por segundo de informaci\u00f3n.\u00a0<\/span><\/p>\n Asimismo, cuando se trata de la memoria a corto plazo, la persona promedio solo puede retener unos siete objetos a la vez.\u00a0<\/span><\/p>\n Comparada con la cantidad de data disponible en un sistema de control moderno, la cantidad de data que un operador puede retener\u00a0 resulta muy peque\u00f1a.<\/span><\/p>\n La capacidad de atenci\u00f3n limitada de los operadores, se ve agravada por la fatiga. La seguridad es la prioridad n\u00famero uno para muchas operaciones mineras, por lo que existe un fuerte incentivo para manejar la fatiga del operador.\u00a0<\/span><\/p>\n En esencia, la Industria 4.0, significa aplicar nuevas tecnolog\u00edas para que los operadores y el software se complementen entre s\u00ed, capitalizando las fortalezas y reduciendo las debilidades.<\/span><\/p>\n <\/p>\n Debido a su complejidad, la toma de decisiones ha sido el \u00faltimo obst\u00e1culo en el control autom\u00e1tico. Las tareas que requieren pasos de acci\u00f3n complicados o requieren que un operador sopese las recompensas actuales frente a las futuras, generalmente se han asignado a los humanos.\u00a0<\/span><\/p>\n <\/p>\n Las t\u00e9cnicas modernas de machine learning, nos ofrecen una forma de abordar estos desaf\u00edos. Considere el problema de tener que conseguir un espacio vac\u00edo en un gran estacionamiento conduciendo una ruta indirecta.\u00a0<\/span><\/p>\n La idea de tener que alejarse de una meta para maximizar la recompensa futura es sencilla para los humanos, pero es un problema real o incluso una imposibilidad para los algoritmos de control autom\u00e1tico convencionales. Utilizando un tipo de entrenamiento para la IA llamado aprendizaje de refuerzo \u201creinforcement learning\u201d, podemos controlar situaciones como esta en la industria.<\/span><\/p>\n <\/p>\n El aprendizaje de refuerzo explora el espacio operativo, aprendiendo qu\u00e9 opciones en cada estado conducen a la meta definida. Un ejemplo simple ser\u00eda que la IA aprenda a navegar por el laberinto en la figura 1. Para aprender el sistema, asignamos un valor de 0 al punto de partida y 1 a la l\u00ednea de meta. La IA luego \u00abcamina\u00bb alrededor del laberinto, explorando cada estado met\u00f3dicamente. Al recordar qu\u00e9 opciones condujeron al final (cuando finalmente lo encuentra) aprende a asociar un valor con cada estado, como se muestra en la figura 2.<\/span><\/p>\n <\/p>\n Una vez que se ha creado este mapa de valores, es posible navegar a trav\u00e9s del laberinto desde cualquier punto avanzando a la celda adyacente que tenga el valor m\u00e1s alto. Lograr el mismo resultado con la l\u00f3gica de un sistema de control convencional, ser\u00eda una tarea significativa, incluso para este simple ejemplo.<\/span><\/p>\n <\/p>\n <\/p>\n El enfoque de ANDRITZ par<\/span>a entrenar la IA no e<\/span>s nuevo. Las compa\u00f1\u00edas mineras han estado utilizando modelos de proceso IDEAS construidos como un simulador de capacitaci\u00f3n de operadores (OTS, por las siglas en ingl\u00e9s de <\/span>Operator Training Simulator<\/span>) para capacitar a personal operativo para plantas de procesamiento de minerales durante muchos a\u00f1os.\u00a0<\/span><\/p>\n <\/p>\n Esto implica utilizar los modelos de proceso de simulaci\u00f3n para crear el an\u00e1logo industrial de un \u00absimulador de vuelo\u00bb. La naturaleza controlada de un simulador permite la creaci\u00f3n de escenarios de certificaci\u00f3n espec\u00edficos que se utilizan para demostrar la competencia antes de que el operador ejecute la planta real. Estos escenarios tambi\u00e9n pueden explorar condiciones de operaci\u00f3n no est\u00e1ndar y permitir la capacitaci\u00f3n en condiciones peligrosas sin poner en riesgo al personal o al equipo.<\/span><\/p>\n <\/p>\n Adem\u00e1s, estos modelos de simulaci\u00f3n IDEAS, se pueden usar para entrenar a la IA para operar la planta utilizando el aprendizaje por refuerzo. La simulaci\u00f3n tambi\u00e9n puede ejecutarse m\u00e1s r\u00e1pido que el tiempo real, por lo que la IA gana meses o a\u00f1os de experiencia en un plazo mucho m\u00e1s corto antes de operar equipos reales.<\/span><\/p>\n <\/p>\n El modelo de simulaci\u00f3n de planta es de alta fidelidad y es din\u00e1mico. Se construye utilizando objetos para cada proceso unitario, as\u00ed como ecuaciones del primer principio, termodin\u00e1micas y reacciones qu\u00edmicas de los procesos y equipo. Se ingresa informaci\u00f3n detallada de ingenier\u00eda en el modelo IDEAS, incluidas las especificaciones del equipo, dimensiones, elevaciones, curvas de bomba, v\u00e1lvulas CV, etc.\u00a0<\/span><\/p>\n El modelo IDEAS tambi\u00e9n incluye los m\u00e1rgenes operativos m\u00e1ximos de dise\u00f1o, como motores que operan a carga m\u00e1xima para el arranque, l\u00edmites de capacidad del transportador y ejecuta una simulaci\u00f3n de operaci\u00f3n de la planta que no solo es precisa en condiciones de estado estable, sino que es din\u00e1mica a medida que la planta se inicia, se apaga y pasa por otras condiciones operativas cambiantes. Esto es especialmente importante para procesos donde hay flujos de reciclaje, con diferente separaci\u00f3n y efectividad de rendimiento en diferentes condiciones de mineral y capacidad. La simulaci\u00f3n es altamente precisa (t\u00edpicamente> 95%) para las operaciones reales de la planta.<\/span><\/p>\n <\/p>\n Ya sea que se capacite a operadores humanos o IA, el modelo de simulaci\u00f3n de procesos IDEAS permite al alumno entrenar de manera pr\u00e1ctica, mucho m\u00e1s de lo que lo har\u00eda en una planta en funcionamiento y con la ventaja de que no se ver\u00eda afectada la productividad de la misma, ya que el equipo virtual puede iniciarse y cerrarse varias veces, as\u00ed como experimentar condiciones inestables y molestas en fase de simulaci\u00f3n.<\/span><\/p>\n <\/p>\n De hecho, cada evento posible, como la falla de un instrumento individual, se utiliza para crear un escenario de prueba para todos los dispositivos similares en el \u00e1rea y cada uno de estos escenarios se agrega al conjunto de aprendizaje. Luego, la IA repite cada escenario hasta que haya aprendido a actuar de manera \u00f3ptima en cada caso e incluso pueda operar la planta de manera segura con el m\u00e1ximo rendimiento y capacidad f\u00edsicamente posible, de la manera m\u00e1s rentable.<\/span><\/p>\n <\/p>\n As\u00ed, un enfoque sistem\u00e1tico impulsa la creaci\u00f3n de cada escenario molesto para estimular el aprendizaje. Los registros de mantenimiento anteriores y la experiencia de otras plantas, indican qu\u00e9 tipo de escenarios de falla deben considerarse para la capacitaci\u00f3n en cada \u00e1rea.\u00a0<\/span><\/p>\n <\/p>\n Control inteligente IDEAS<\/b><\/p>\n Reuniendo estos tres elementos:\u00a0<\/span><\/p>\n <\/p>\n Tenemos la base del control inteligente ANDRITZ IDEAS. De esta manera, la IA ayuda en el trabajo del operador humano, ya que estos \u00faltimos retienen el control sobre cualquier tarea que requiera creatividad e intuici\u00f3n y la IA realiza tareas de procesos que requieren atenci\u00f3n, velocidad y disciplina.<\/span><\/p>\n <\/p>\n Control inteligente IDEAS (anteriormente llamado IDEAS Aprendizaje Reforzado IA), gan\u00f3 el primer premio en la competencia anual #DisruptMining de Newmont Goldcorp en marzo de 2019, cuyo premio fue de un mill\u00f3n de d\u00f3lares canadienses. Una de las razones clave del \u00e9xito de esta tecnolog\u00eda es que combina a su vez tres tecnolog\u00edas probadas, lo que resulta en un sistema confiable que entregar\u00e1 valor con un riesgo m\u00ednimo. El proyecto de prueba de concepto se est\u00e1 implementando actualmente en una planta de procesamiento de minerales Newmont Goldcorp en M\u00e9xico, con el objetivo de que los resultados se compartan a principios de 2020.<\/span><\/p>\n <\/p>\n ANDRITZ Automatizaci\u00f3n en Australia<\/b><\/p>\n Andritzs ha abierto una oficina en Perth, que se enfoca en automatizaci\u00f3n avanzada y simulaci\u00f3n para el procesamiento de minerales. La oficina regional de Andritz Australian est\u00e1 ubicada en Melbourne.\u00a0<\/span><\/p>\n ANDRITZ es coautor de un art\u00edculo para su presentaci\u00f3n en la conferencia World Gold de AusIMM en Perth, con Oceana Gold.\u00a0<\/span><\/p>\n Uno de sus objetivos es colaborar con compa\u00f1\u00edas mineras de todo el mundo que est\u00e9n interesadas en implementar tecnolog\u00edas de digitalizaci\u00f3n para obtener un valor operativo tangible<\/span><\/p>\n <\/p>\n Autor: Arthur Gooch, Director de Soluciones de Automatizaci\u00f3n de Innovaci\u00f3n. Texto adaptado y traducido de\u00a0Bulletin<\/a> 2019. Traducido por\u00a0G\u011aRENS<\/strong>, Noviembre 2019<\/em>.\u00a0<\/span><\/p>\n <\/p>\n Con la Maestr\u00eda en Gesti\u00f3n Minera de la Escuela de Postgrado GERENS estar\u00e1 preparado para liderar el cambio en su empresa. Cont\u00e1ctenos para mayor informaci\u00f3n sobre nuestra Maestr\u00eda en Gesti\u00f3n Minera en el siguiente formulario de contacto.<\/a><\/i><\/em><\/span><\/p>\n","protected":false},"excerpt":{"rendered":" La tecnolog\u00eda aut\u00f3noma se est\u00e1 desplegando en todo el sector de recursos naturales. La automatizaci\u00f3n de las operaciones de procesamiento de minerales puede incrementar la seguridad, optimizar el desempe\u00f1o, mejorar la confiabilidad del sistema y ayudar a detectar problemas oportunamente.\u00a0<\/p>\n","protected":false},"author":7,"featured_media":5110,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[568,2],"tags":[169,256,322,167],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/gerens.pe\/blog\/wp-json\/wp\/v2\/posts\/5104"}],"collection":[{"href":"https:\/\/gerens.pe\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/gerens.pe\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/gerens.pe\/blog\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/gerens.pe\/blog\/wp-json\/wp\/v2\/comments?post=5104"}],"version-history":[{"count":0,"href":"https:\/\/gerens.pe\/blog\/wp-json\/wp\/v2\/posts\/5104\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/gerens.pe\/blog\/wp-json\/wp\/v2\/media\/5110"}],"wp:attachment":[{"href":"https:\/\/gerens.pe\/blog\/wp-json\/wp\/v2\/media?parent=5104"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/gerens.pe\/blog\/wp-json\/wp\/v2\/categories?post=5104"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/gerens.pe\/blog\/wp-json\/wp\/v2\/tags?post=5104"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}\n
\n
\n
![\"\"](\"https:\/\/gerens.pe\/blog\/wp-content\/uploads\/2019\/11\/tecnolog\u00eda-aut\u00f3noma.png\")
<\/a><\/p>\n<\/p>\n\n
\n