Contacto

CASO DE ÉXITO CMP

Planta Magnetita

Esta es una historia acerca de las cosas buenas

que suceden cuando se juntan IA, machine learning, flexibilidad y colaboración.

Esta es una historia

acerca de las cosas buenas machine learning, flexibilidad y colaboración.

CMP (Compañía Minera del Pacífico) tenía claro lo que necesitaba para su planta Magnetita, faena ubicada en la Región de Atacama, Chile, y una de las mayores operaciones de reciclaje industrial del mundo: optimizar el proceso de molienda y lidiar de manera inteligente con la gran variabilidad de la materia prima principal de la planta.
Altum Lab también tenía claro lo que buscaba: acompañar a empresas que tuvieran el desafío de lograr mejores resultados en sus mezclas y optimizar operaciones, tal como ya lo habían hecho en la industria de la harina de pescado:

logrando aumentar el valor de la materia prima hasta en un

0 %

y disminuyendo los costos productivos hasta en

0 %
Estos dos actores se unieron gracias al llamado de innovación titulado The Mining Evolution que hizo CMP junto a ChileGlobal Ventures, entidad perteneciente a Fundación Chile y experta en buscar e implementar programas de innovación abierta a medida de los desafíos empresariales de la industria minera.

Altum Lab, en el trabajo de solo esa semana, demostró que su tecnología podía tomar los datos que existían desde 2016 acerca de la materia prima y usarlos para predecir la calidad de este insumo al momento de entrar a la planta.

Postularon 70 startups y se llegó a un grupo finalista de 6 que viajaron a la mina y tuvieron una semana para analizar y hacer una propuesta que mostrara cómo su tecnología podría agregar valor. Madeleine Valderrama, fundadora y CEO de Altum Lab, agradece el acto de fe que hicieron el equipo de CMP y de Fundación Chile al escogerlos, pues el no tener experiencia en minería podría haberlos dejado fuera del juego.

“Lo valoramos porque sabemos que para quienes no trabajan en el ámbito de la IA tal vez no es evidente que teníamos la capacidad para implementar nuestra tecnología en esta industria”, explica.

“Las grandes empresas y los startups son complementarios y se necesitan mutuamente. Las primeras tienen el capital, la inercia, la infraestructura, el prestigio; y, las segundas, tienen aire fresco, motivación, pasión y ganas de solucionar y aportar en un ámbito específico en el que han escogido trabajar”

Maurizio Moschini, ChileGlobal Ventures

Predictibilidad: el ingrediente que

agrega valor a una mezcla

Maurizio Moschini de ChileGlobal Ventures fue parte de esa conversación en el jurado en planta Magnetita. Junto a su equipo tenían, precisamente, el rol de asesorar a Cap para decidirse por una alternativa que pudiera provocar un cambio importante.

“Aquí la necesidad era optimizar la mezcla de un producto. Fue un caso de éxito muy interesante porque muestra cómo las barreras entre las industrias comienzan a desaparecer por el uso de la tecnología”, explica Moschini.

La solución de Altum Lab es versátil pues es respecto de problemas matemáticos que aparecen cuando se mezclan distintos componentes, lo cual es común a muchas industrias y empresas. Para Moschini y su equipo era, sin lugar a duda, la propuesta que mayor potencial tenía de agregar valor, por lo que recomendaron a Cap apostar por ellos.

Dar vida a los datos y lograr acuerdos

¿Por qué la variabilidad de la materia prima en planta Magnetita? Porque se trata de relaves, es decir, residuos de otra planta de Cap llamada La Candelaria, y este relave posee cantidades de hierro poco constantes.

Por lo mismo es que desde 2016 se medían muestras de esa materia prima antes de entrar a planta Magnetita. Sin embargo, los datos se utilizaban para un análisis histórico no como insumo fundamental para las decisiones de operaciones, como propuso hacer Altum Lab.

A los 6 meses Altum Lab logró una asertividad del 95% en sus predicciones acerca de la concentración de hierro en la materia prima.

Con la aplicación de la nueva tecnología llamada Bruna se predice la concentración de hierro de la materia prima, lo cual permite tomar decisiones operacionales a 4, 8 y 12 horas en el futuro.

Es decir, gracias a Bruna se puede saber qué materia prima va a entrar a la planta 4, 8 y 12 horas antes.

Se trata de una herramienta que está permanentemente evolucionando y aprendiendo del proceso productivo y de las correcciones de valores reales. De esta manera sus predicciones respecto de la calidad de la materia prima son cada vez mejores. “Es una forma de trabajo totalmente transparente. El valor de la predicción luego se compara con el real y ese nuevo dato es insumo para que el modelo se siga ajustando y prediga mejor”, explica Madeleine Valderrama. Madeleine Valderrama, fundadora y CEO de Altum Lab, agradece el acto de fe que hicieron el equipo de CMP y de Fundación Chile al escogerlos, pues el no tener experiencia en minería podría haberlos dejado fuera del juego.

QUIERES OPTIMIZAR ALGÚN PROCESO?

Contáctanos

La sorpresa de la brecha tecnológica

y necesidad de ajuste mutuo

Un eslabón esencial para lograr esos resultados en las predicciones era contar con la tecnología de base que Altum Lab necesita. Sin embargo, cuando llegó el momento de alimentar el software y comenzar con el modelamiento de las redes neuronales se encontraron con que la tecnología de la planta estaba desfasada respecto de sus requerimientos.
La primera posible solución que ideó Altum Lab fue la de intentar desarrollar una forma de trabajo acorde a la tecnología de base de la planta. Sin embargo, ello no permitiría entregar predicciones rápidas, que es el core de su servicio y especialidad. Otra alternativa era que CMP implementara la tecnología necesaria, pero desde la contraparte fueron sinceros en que no existía la posibilidad de hacerlo.
Finalmente, se montó un servidor de Altum Lab con la tecnología que necesitan para llevar a cabo su trabajo y se le dio acceso a CMP para que ellos fueran quienes manipulan la información. Esto, pues el control y seguridad de los datos era intransable para la empresa. De esta manera los datos entran y salen permitiendo a Bruna hacer su trabajo de análisis y crear el modelo predictivo, y continúan bajo el control de la planta.
“Fue un excelente punto de encuentro. A ellos les interesaba nuestra tecnología y encontramos la forma de que los datos siguieran siendo suyos y estuvieran resguardados”, relata Madelaine Valderrama.

El desafío NIH:

Not Invented Here

Antes de la aparición de este bache respecto de la tecnología había sido necesario abordar con los trabajadores de la planta un tema cultural respecto del uso de los datos.
¿Por qué comenzar ahora a usarlos de otra manera? ¿Realmente tenía algo que aportar un equipo que viene desde afuera y no conoce una planta minera?

“Fue importante hacer ver a las personas que trabajan en la planta el potencial de uso de esos datos que ya existían y que de iban a seguir generando, pues había un protocolo de análisis de las muestras ya instaurado. Solo faltaba usar esos datos”, cuenta Nicolás Morelli.

Se trata de resistencias normales cuando se comienza un proyecto y es un momento donde la comprensión, sagacidad y humanidad de los líderes son cruciales para poder abordarlas de manera exitosa.

Maurizio Moschini agrega que se trata de un fenómeno transversal llamado NIH o Not Invented Here:

una actitud de desconfianza hacia conocimiento externo.

Esta arista cultural es fundamental de incorporar pues es lo que hace fracasar proyectos que, en teoría, podrían haber aportado gran valor a una empresa.

Cambio de planes: Adaptarse y seguir

Una adaptación más trascendental que la relativa a la tecnología ocurrió al momento de definir el problema y desafío que iba a abordarse en este trabajo conjunto.
“Como equipo de innovación vimos que Altum Lab podía aportar gran valor al predecir los valores de las diferentes materias primas que componen la mezcla y eso era lo que se había pedido en la convocatoria del Mining Evolution…
…pero en el camino se vio la necesidad prioritaria de conocer el comportamiento del input más que ver la mezcla. Eso aportaba más valor porque había gran variabilidad en el componente principal de la mezcla”, explica Nicolás Morelli, quien destaca la flexibilidad que tuvo Altum Lab de cambiar los objetivos que se habían estipulado y su capacidad de comprender las necesidades del cliente.
La problemática principal era la gran variabilidad en las características de los insumos y materias primas. Debido a esto se estima que cerca del 2% del producto terminado no cumplía con las características esperadas en el proceso de producción, lo cual llevaba a pérdidas operacionales ya que el material debe volver a procesarse.
En paralelo había otra razón para partir por el proceso de predicción:
Ese trabajo no implica un cambio en la manera de operar la planta ni hay riesgos de requerir pausar los procesos. Los datos estaban y el protocolo de toma de muestras ya era parte de la cultura. Entonces, se podía agregar valor sin tener que forzar un cambio en las personas ni su manera de trabajar. De esa manera, podría comenzarse un proceso natural en que los operarios de Magnetita fueran viendo la ganancia de incorporar nuevas tecnologías y el trabajo de equipos específicos como Altum Lab.
De esa manera, podría comenzarse un proceso natural en que los operarios de Magnetita fueran viendo la ganancia de incorporar nuevas tecnologías y el trabajo de equipos específicos como Altum Lab.
Maurizio Moschini de ChileGlobal Ventures fue parte de esa conversación en el jurado en planta Magnetita. Junto a su equipo tenían, precisamente, el rol de asesorar a Cap para decidirse por una alternativa que pudiera provocar un cambio importante. “Aquí la necesidad era optimizar la mezcla de un producto. Fue un caso de éxito muy interesante porque muestra cómo las barreras entre las industrias comienzan a desaparecer por el uso de la tecnología”, explica Moschini. La solución de Altum Lab es versátil pues es respecto de problemas matemáticos que aparecen cuando se mezclan distintos componentes, lo cual es común a muchas industrias y empresas. Para Moschini y su equipo era, sin lugar a duda, la propuesta que mayor potencial tenía de agregar valor, por lo que recomendaron a Cap apostar por ellos.
¿Por qué la variabilidad de la materia prima en planta Magnetita? Porque se trata de relaves, es decir, residuos de otra planta de Cap llamada La Candelaria, y este relave posee cantidades de hierro poco constantes. Por lo mismo es que desde 2016 se medían muestras de esa materia prima antes de entrar a planta Magnetita. Sin embargo, los datos se utilizaban para un análisis histórico no como insumo fundamental para las decisiones de operaciones, como propuso hacer Altum Lab. Con la aplicación de la nueva tecnología llamada Bruna se predice la concentración de hierro de la materia prima, lo cual permite tomar decisiones operacionales a 4, 8 y 12 horas en el futuro. Es decir, gracias a Bruna se puede saber qué materia prima va a entrar a la planta 4, 8 y 12 horas antes.

A los 6 meses Altum Lab logró una asertividad del 95% en sus predicciones acerca de la concentración de hierro en la materia prima.

Se trata de una herramienta que está permanentemente evolucionando y aprendiendo del proceso productivo y de las correcciones de valores reales. De esta manera sus predicciones respecto de la calidad de la materia prima son cada vez mejores. “Es una forma de trabajo totalmente transparente. El valor de la predicción luego se compara con el real y ese nuevo dato es insumo para que el modelo se siga ajustando y prediga mejor”, explica Madeleine Valderrama.
Un eslabón esencial para lograr esos resultados en las predicciones era contar con la tecnología de base que Altum Lab necesita. Sin embargo, cuando llegó el momento de alimentar el software y comenzar con el modelamiento de las redes neuronales se encontraron con que la tecnología de la planta estaba desfasada respecto de sus requerimientos. La primera posible solución que ideó Altum Lab fue la de intentar desarrollar una forma de trabajo acorde a la tecnología de base de la planta. Sin embargo, ello no permitiría entregar predicciones rápidas, que es el core de su servicio y especialidad. Otra alternativa era que CMP implementara la tecnología necesaria, pero desde la contraparte fueron sinceros en que no existía la posibilidad de hacerlo. Finalmente, se montó un servidor de Altum Lab con la tecnología que necesitan para llevar a cabo su trabajo y se le dio acceso a CMP para que ellos fueran quienes manipulan la información. Esto, pues el control y seguridad de los datos era intransable para la empresa. De esta manera los datos entran y salen permitiendo a Bruna hacer su trabajo de análisis y crear el modelo predictivo, y continúan bajo el control de la planta.

“Fue un excelente punto de encuentro. A ellos les interesaba nuestra tecnología y encontramos la forma de que los datos siguieran siendo suyos y estuvieran resguardados”, relata Madelaine Valderrama.

Antes de la aparición de este bache respecto de la tecnología había sido necesario abordar con los trabajadores de la planta un tema cultural respecto del uso de los datos.

¿Por qué comenzar ahora a usarlos de otra manera? ¿Realmente tenía algo que aportar un equipo que viene desde afuera y no conoce una planta minera?

“Fue importante hacer ver a las personas que trabajan en la planta el potencial de uso de esos datos que ya existían y que de iban a seguir generando, pues había un protocolo de análisis de las muestras ya instaurado. Solo faltaba usar esos datos”, cuenta Nicolás Morelli.

Se trata de resistencias normales cuando se comienza un proyecto y es un momento donde la comprensión, sagacidad y humanidad de los líderes son cruciales para poder abordarlas de manera exitosa.

Maurizio Moschini agrega que se trata de un fenómeno transversal llamado NIH o Not Invented Here:

una actitud de desconfianza hacia conocimiento externo.

Esta arista cultural es fundamental de incorporar pues es lo que hace fracasar proyectos que, en teoría, podrían haber aportado gran valor a una empresa.

Una adaptación más trascendental que la relativa a la tecnología ocurrió al momento de definir el problema y desafío que iba a abordarse en este trabajo conjunto.

“Como equipo de innovación vimos que Altum Lab podía aportar gran valor al predecir los valores de las diferentes materias primas que componen la mezcla y eso era lo que se había pedido en la convocatoria del Mining Evolution…

…pero en el camino se vio la necesidad prioritaria de conocer el comportamiento del input más que ver la mezcla. Eso aportaba más valor porque había gran variabilidad en el componente principal de la mezcla”, explica Nicolás Morelli, quien destaca la flexibilidad que tuvo Altum Lab de cambiar los objetivos que se habían estipulado y su capacidad de comprender las necesidades del cliente.

La problemática principal era la gran variabilidad en las características de los insumos y materias primas. Debido a esto se estima que cerca del 2% del producto terminado no cumplía con las características esperadas en el proceso de producción, lo cual llevaba a pérdidas operacionales, ya que el material debe volver a procesarse.

En paralelo había otra razón para partir por el proceso de predicción:

Ese trabajo no implica un cambio en la manera de operar la planta ni hay riesgos de requerir pausar los procesos. Los datos estaban y el protocolo de toma de muestras ya era parte de la cultura. Entonces, se podía agregar valor sin tener que forzar un cambio en las personas ni su manera de trabajar. De esa manera, podría comenzarse un proceso natural en que los operarios de Magnetita fueran viendo la ganancia de incorporar nuevas tecnologías y el trabajo de equipos específicos como Altum Lab.

De esa manera, podría comenzarse un proceso natural en que los operarios de Magnetita fueran viendo la ganancia de incorporar nuevas tecnologías y el trabajo de equipos específicos como Altum Lab.

“Nosotros creemos en esta forma de trabajar. De colaboración, compresión y sin forzar…
…Pero de todas formas teníamos la interrogante si los operarios estaban abriendo o no los correos que hacíamos llegar con las predicciones. Un día ocurrió un error y la predicción arrojó un valor fuera de rango absolutamente. Quedamos felices porque nos llamaron inmediatamente desde la planta pidiendo explicaciones”, cuenta Madeleine Valderrama.
Actualmente CMP recibe 6 correos diarios con las predicciones a

4 – 8 – 12 horas

de las concentraciones de Fierro Margnetico, Fierro DTT, Azufre DTT y Flujo de entrada. Adicionalmente, para los casos en que se prevé un cambio significativo de la calidad de entrada, se alerta vía SMS a los operadores para que tomen las medidas necesarias.

QUIERES OPTIMIZAR ALGÚN PROCESO?

Habla hoy con uno de nuestros expertos y conoce como la Inteligencia Artificial puede apoyar la gestión productiva.
Contáctanos