Cuarta Revolución Industrial en Minería: uso de modelos predictivos para ahorrar insumos.

Dada la gran preocupación  de muchos sectores económicos por el terrible desempleo que se augura debido a la  4 revolución industrial, en la cual los humanos seremos desplazados en un alto porcentaje por los robots, al estilo "terminator", encontré  un articulo que ayuda a calmar los nervios y a aterrizar mejor el asunto, ya que en este se  concluye que los expertos humanos en minería, difícilmente pueden ser reemplazados en la toma de decisiones por una maquina, ya que las personas son lo mas importante en esta industria, y las maquinas podrían  considerar  los términos de producción y ganancias por encima de la salud y el bienestar de los trabajadores.

Lo pongo a su consideración y comentarios ;

fuente:https://gerens.pe/blog/innovacion-industria-minera/

La cuarta revolución industrial: Llevar la Inteligencia Artificial a la minería.
Por Heidi Vella

La inteligencia artificial transformará la forma en que hacemos todo, o eso nos dicen constantemente. Pero para sectores industriales como la minería, ¿qué ofrece realmente AI? Para averiguarlo, Heidi Vella conversó con Jane Zavalishina, directora ejecutiva de Yandex Data Factory, que usa AI para aumentar la eficiencia y reducir los costos en el sector de la minería.

El concepto de la mina digital no es nada nuevo, pero la implementación de las tecnologías digitales en el sector minero ha sido lenta.

En noviembre, la división de Minería y Metales de EY calificó la efectividad digital como el problema comercial más urgente que enfrenta el sector en el futuro, y afirmó que abordar el problema es clave para resolver los desafíos de productividad.

Según Jane Zavalishina, directora ejecutiva de Yandex Data Factory, la inteligencia artificial (AI) puede ayudar a los mineros a obtener hasta un 10% de ahorro de eficiencia sin realizar inversiones de capital a gran escala, sino simplemente produciendo mejores modelos predictivos.

“Cuando produces algo (derritiendo metal, mejorando la calidad de los minerales mediante el beneficio), trabajas con un material de origen natural que difiere en su composición y necesitas, esencialmente, predecir su composición para comprender cómo lograr un resultado estandarizado “, explica Zavalishina.

Tradicionalmente, en el sector de la minería esto lo hace un metalúrgico que utiliza la ciencia de los materiales.

Para minerales como el oro o el cobre, si no es lo suficientemente rico durante el proceso de beneficio, las compañías usarán cianuro para enriquecerlo. Pero el cianuro es muy costoso y puede representar hasta el 40% de los costos del proceso. También es muy venenoso.

La cantidad de cianuro utilizado se calculará según ciertos factores. Sin embargo, a menudo, el mundo real es mucho más complejo que los modelos científicos, dice Zavalishina, ya que no pueden considerar todos los factores potenciales.

“Debido a que nadie sabe exactamente, los expertos usan una aproximación y generalmente usan demasiado cianuro”, dice Zavalishina. “Pero si tiene un modelo predictivo más preciso, puede usar tanto como sea necesario y nada más, lo que ahorra dinero y es menos dañino para el medio ambiente”, agrega.

Aquí es donde entra AI. Toma datos históricos del proceso y, en base a los datos, Yandex puede entrenar a su IA para construir un algoritmo que sea más preciso para predecir los resultados en estas acciones, dice Zavalishina.

“El algoritmo luego proporcionará recomendaciones o acciones específicas que son más precisas de lo que se puede hacer hoy con los modelos científicos”, dice.

Ahorro sin inversión de capital

Completar tales procesos con los modelos de predicción de IA puede ahorrarle a las compañías algo del 3% al 5% al ​​principio, pero a medida que la IA continúa aprendiendo esto podría elevarse al 10% porque mientras más datos obtenga, mejor se vuelve al hacer predicciones, dice Zavalishina.

Por lo general, la inversión de capital para una actualización de equipos sería necesaria para lograr estos niveles de ahorro, que pueden costar cientos de millones de dólares, agrega.

“Mientras que, lo que hacemos es aplicar un algoritmo, que toma un par de meses para aprender, pero no requiere ninguna inversión de capital, solo algunos gastos operativos”, dice Zavalishina.

En cambio, las compañías le pagan a Yandex una suscripción por el servicio.

Además, el proceso también se puede realizar sin conexión, con los datos recopilados de la ubicación de minería remota, generalmente durante varios meses y luego aplicada al algoritmo de forma remota. Cada vez que los resultados nuevos se pueden comparar fácilmente con los anteriores.

Cambiar las mentalidades

“Después del primer caso exitoso en metalurgia que publicamos, recibimos llamadas de expertos en la industria y fueron bastante directas al decir ‘esto suena demasiado bueno para ser cierto'”, dice Zavalishina.

Al principio, los mineros se mostraron escépticos, dice Zavalishina, pero ahora la minería y otros sectores industriales están empezando a ver que la digitalización debe suceder, como ya ha sucedido en otros sectores.

“El problema es que, como en los primeros tiempos, muchas empresas se sienten un poco perdidas”, agrega, “ha habido mucha publicidad sobre estas aplicaciones, pero ¿qué se supone que debes hacer exactamente?”.

A veces, las empresas piensan que existen barreras para adoptar esta nueva tecnología, como no tener suficientes datos, pero a menudo estos son más conceptos erróneos que problemas reales.

“La primera reacción que generalmente recibimos es: ‘probablemente no puedas hacerlo con nuestros datos porque no tenemos suficiente’ o ‘nuestros datos no son lo suficientemente buenos'”, dice Zavalishina.

“Hace años, cuando solo utilizábamos datos para crear conocimiento por analistas humanos, fue cuando necesitábamos que se estructurara y se limpiara, pero con el aprendizaje automático se puede trabajar con datos no estructurados”.

La mayoría de las compañías, agrega, pueden no tener un equipo muy moderno, pero generalmente tienen incorporado algo digital que almacenará registros. Está previsto que aumente a medida que la industria continúe digitalizando. Los datos históricos de alrededor de cinco años son más que suficientes para la IA, dice ella.

Zavalishina reconoce que se necesita un poco de valentía y apertura para desplegar IA, pero eventualmente será inevitable.

“En el futuro, la inteligencia artificial será casi tan omnipresente como la electricidad”, dice, “se utilizará en todos los procesos que tengan datos y, hoy en día, tenemos datos en todas partes”.

Impacto de la IA en los trabajos del sector minero

¿Esta tecnología hace que algunas personas dentro de la industria se pongan nerviosas?

“Hemos visto eso, sí, pero depende de a quién le preguntes porque, sí, los tipos que son expertos y toman estas decisiones, no creen que una máquina pueda hacer lo que hace”, dice Zavalishina.

“Pero para sus jefes, es una oferta atractiva porque no necesitan confiar en nosotros, pueden medir y comparar fácilmente los resultados”, agrega.

“Además, incluso si el operador humano es excepcional; no son escalables y muchas empresas expresan su preocupación sobre la contratación de nuevas personas “.

Entonces, ¿esta tecnología podría resultar en la pérdida de empleos? Posiblemente, ella dice, pero no necesariamente.

“Potencialmente, esos operadores experimentados podrían ser reemplazados, pero no hay muchos y todavía necesitaremos personas para evaluar los resultados”, dice.

“Lo que puede pasar es que estos trabajadores serán reemplazados por nuevas personas y tendrán que ser más hábiles pero de una manera diferente”.

Encontrar nuevas aplicaciones para AI en minería

Yandex actualmente está buscando construir su base de clientes y acaba de comenzar un acuerdo de colaboración con Gazprom Neft para desarrollar análisis de big data, aplicando el aprendizaje automático y la inteligencia artificial para la perforación y terminación en el sector de petróleo y gas.

Zavalishina cree que algunos de los principios del uso de la IA para mejorar la extracción de petróleo podrían transferirse al sector de la minería.

“Estamos trabajando con pozos, tratando de estimar los resultados de diferentes acciones, lo cual es muy importante porque cuanto mejores predicciones tenga, mejor podrá priorizar las acciones y los tratamientos que está haciendo”, dice.

“Creo que algo similar debe ser relevante para la minería, pero aún no hemos tenido ninguna experiencia con eso”.

Hay, por supuesto, limitaciones con la tecnología. Por ejemplo, si una empresa no tiene datos, AI no se puede usar hasta que no haya recopilado algunos. Además, la economía debe sumarse y esto es mejor con procesos que involucran grandes volúmenes de mineral, por lo que incluso un ahorro inicial de eficiencia del 3% es significativo.

“Se trata de calcular los datos y dar con la economía de las cosas”, dice Zavalishina.

“Pero para nosotros no se trata solo de dinero, sino de ser más sostenibles para que los mineros puedan usar menos recursos y ser menos nocivos para el medioambiente, todo sin sacrificar nada”.

Fuente: 

http://www.ciitperu.com/2018/01/08/the-fourth-industrial-revolution-bringing-ai-to-mining/