MINERÍA la mejor puerta de acceso al sector minero EDICIÓN 568 / ENERO 2025 66 que en última instancia optimiza la eficiencia operativa. Además, un enfoque integral permite un plan de mantenimiento más proactivo, reduciendo el tiempo de inactividad y coordinando esfuerzos en todo el sitio en lugar de hacerlo de forma aislada. Al aprovechar el poder de los gemelos digitales, estamos alcanzando una toma de decisiones basada en datos, lo que está transformando el panorama de la industria minera. Al abordar los desafíos inherentes de la minería y amplificar la eficiencia de los activos, no solo estamos excavando más profundamente en la Tierra, sino que estamos avanzando en un futuro en el que la minería es la base de nuestras ambiciones de cero emisiones netas. No se trata solo de desenterrar minerales, sino de liberar el potencial y convertir los datos sin procesar en información valiosa que nos impulse hacia un mañana más limpio y sostenible[4]. Casos de aplicación Chat con inteligencia artificial generativa Se desarrolló una implementación de chat con inteligencia artificial generativa para el entrenamiento de operadores de sala de control en minas, logrando la reducción de los tiempos de entrenamiento y localización, y la obtención de documentación necesaria para la operación o mantenimiento. Las principales características de esta innovación se listan a continuación: Desarrollo en nube del cliente. Posibilidad de carga de documentación de operación, seguridad, estrategia de negocios, reportes de mantenimiento, etc. Preguntas directas, con respuesta desde los manuales sin necesidad de conocer el nombre del documento. Sin interacción con base de datos de Chat GPT, con la ventaja de la confidencialidad de la información. Interfases API seguras. Interfase de consulta permanente para operación eficiente desde salas de control. Piloto eficiencia en suspensión polvo MLP Este desarrollo realizado para una empresa minera en Chile, surgió de la necesidad de ahorro en el consumo de agua utilizada para reducir el polvo en suspensión. Este proyecto comprendió el desarrollo de algoritmos de Deep Lerning que aprendían de la información adquirida tanto del camión, sensores instalados (PM 2.5; PM 10; Temp, Humedad, RadiaFigura 4. Proyecto acueducto Los Molinos.
RkJQdWJsaXNoZXIy MTM0Mzk2