Por Eduardo Rojas, Senior Manager de Analytics y & Transformación Operacional en Deloitte.
La industria minera de cobre se encuentra frente a múltiples desafíos que debe abordar hoy para dar respuesta a las necesidades que tendrá en los próximos 30 años.
En primer lugar, el desafío de incrementar la producción de minerales para satisfacer la creciente demanda mundial, con una proyección de duplicar la demanda de cobre para 2050, según indica el Consejo Minero. En forma paralela, la industria debe enfrentar los desafíos ambientales y sociales, como la disminución de la ley del mineral, la escasez de agua y la creciente resistencia de las comunidades locales a la exploración y explotación minera, debido a sus impactos en el ecosistema y las personas.
Otro desafío importante se enfoca en la eficiencia de costos productivos para mantener competitividad global y acompañar la sostenibilidad de las operaciones. Tomando el consumo eléctrico como ejemplo -según cifras de Cochilco-, vemos que en los próximos 10 años se proyecta un incremento de un 39,5% en este ítem, para un incremento de producción de 23%. Esto en gran medida, debido al alto consumo en el proceso de concentración y el uso de desaladoras e impulsión del agua a las operaciones.
Por otra parte, a nivel global estamos viviendo una de las revoluciones más relevantes a nivel industrial, donde la integración del mundo real y digital ponen por primera vez al usuario en el centro de esta revolución, para guiar desde su experiencia el mejor uso de las tecnologías disponibles.
El poner en el centro al usuario permite estructurar un plan de desarrollo y madurez de capacidades y competencias a nivel de las personas, alineado a las capacidades digitales y de transformación que potencien a estos “usuarios empoderados digitalmente” para responder a los nuevos desafíos en eficiencia, productividad y sostenibilidad de las organizaciones.
La gran cantidad de información que se genera en forma diaria en las operaciones se convierte en el conector de estas capacidades para explotar el máximo potencial y acompañar este proceso transformacional. En la medida que contamos con mejor información disponible, podemos integrar mejores capacidades de análisis, predicción y sistematización de las decisiones que se requieren tanto a nivel estratégico, táctico y operativo.
Si vemos la información representada en un gran “lago de datos”, tenemos que mirar los “afluentes de agua” que llenan este lago. Si la información que ingresa es de mala calidad o tiene “suciedad”, es necesario iniciar un proceso de filtrado y limpieza que permita hacer que el lago progresivamente vaya toma tiempo, por lo tanto es importante ir colocando soluciones digitales que permitan vivir este proceso y co-existir con estos procesos de limpieza.
Identificamos entonces 6 niveles para evolucionar la toma de decisiones, acompañando la mejora en la calidad de información así como el desarrollo de capacidades a nivel de los equipos y digitales.
Nivel 1 – Visualizador de Métricas: contar con una visibilidad clara de la información disponible. Es común ver organizaciones que operan con reportes manuales que nos dan una mirada de “espejo retrovisor”. Este primer paso, por simple que pueda resultar, tiene un gran impacto cultural al buscar cambiar el paradigma de mirar hacia atrás y comenzar a gestionar al menos mirando el hoy.
Nivel 2 – Tendencias: Una vez que comenzamos a mirar el hoy, es posible analizar la información histórica para generar primeras visiones proyectivas hacia el futuro. Es común ver soluciones tendenciales que si bien no son exactas en su valor, son capaces de proyectar la dirección de evolución. Un ejemplo en este ámbito es la indicación de dirección y velocidad del viento. Si bien la velocidad es muchas veces un promedio en general en la zona geográfica, la dirección y la tendencia (si va subiendo o va bajando) nos ayudan a proyectar cómo estará su dirección y velocidad en el
futuro cercano. De esta forma, si estamos controlando la polución por el polvo que levantan los camiones, podemos contar con información tendencial para saber hacia dónde se dirigirá la nube de polvo y proyectar su área de impacto.
Nivel 3 – Predicción: Al contar con mejor calidad de información histórica, es posible aplicar un análisis más complejo de patrones de comportamiento que nos permitan tener una proyección más precisa. Este nivel tiene una mayor precisión en su recomendación y da cuenta además de una mejora en la calidad de la información utilizada para el análisis. Un ejemplo práctico son las aplicaciones de gestión de viajes (Waze, Google Maps u otros), las cuales hoy son capaces de predecir
la hora estimada de llegada a destino considerando diferentes factores del camino, condiciones y además el tránsito.
Nivel 4 – Generativo: Con la llegada de chat GPT hemos podido vivir en forma empírica el potencial de las tecnologías generativas. Su ámbito de aplicación es amplio a nivel industrial, pudiendo utilizarse en diferentes ámbitos como:
– Asistencia a ingeniero en terreno
– Optimización del Procesamiento de Minerales
– Simulación y prueba de diseño de fábrica
– Cumplimiento normativo
Estos ejemplos, entre muchos otros, están planteando tremendas oportunidades para la explotación de la data disponible, a la vez que permiten ir mejorando su calidad.
Nivel 5 – Automatización: Desde el nivel 1 al 4, vemos que hay una evolución en la temporalidad y precisión de la información entregada, para apoyar la toma de decisión del usuario. En este 5º nivel, comenzamos a delegar la toma de decisión en forma progresiva a los sistemas digitales. De esta forma, podemos generar ciclos de automatización de decisiones en los que no es necesario la intervención del ser humano (salvo en excepciones o condiciones de borde). A nivel de la conducción de camionetas, el control crucero establece un primer sistema de automatización en el mantenimiento de velocidad, acelerando en subidas y reduciendo la potencia en la bajada. Nuevas generaciones han integrado la detección de vehículos adelante, de forma de adaptar la velocidad a la de este vehículo y evitar una colisión por alcance.
Nivel 6 – Autonomía: Vemos hoy con mucha fuerza la aparición de la autonomía en diferentes actividades. A diferencia de la automatización, la autonomía es capaz de aprender de los errores o desvíos y generar una corrección. Esta capacidad de aprendizaje para interactuar genera la posibilidad de adaptarse a entornos no identificados inicialmente. Un ejemplo diario que vemos son los robots de limpieza, los cuales van recorriendo un camino aleatorio, el cual les permite ir generando un scanner del entorno para luego optimizar el siguiente ciclo de limpieza.
Estos niveles centrados en las capacidades de toma de decisión del usuario permiten estructurar una guía para alinear la madurez tanto de capacidades de las personas como las capacidades digitales, que permitan además en cada nivel ir capturando valor para la organización y a la vez generando una limpieza progresiva de la información que los prepare para las siguientes etapas.
