21.1 C
Lima
6 de diciembre de 2022
Tecnología

Hudbay implementa modelo predictivo de throughput a través del machine learning para su proceso productivo

Como parte de las innovaciones que desarrolla para mejorar la eficiencia de su proceso minero, Hudbay Perú ha implementado con éxito un modelo predictivo de throughput, utilizando el machine learning, en su operación Constancia, ubicada en Cusco.

Se denomina throughput al ritmo con el cual se alimenta la planta concentradora de la operación, incluyendo el mineral que se va consumiendo y llega a ser reducido hasta los 165 micrones, gracias a los molinos. Sin embargo, no todo el material que ingresa es uniforme, ya que algunos minerales son duros y otros suaves, lo que marca una diferencia, ya que los duros requieren un mayor consumo de energía, potencia y tiempo para ser reducidos, indicó Eder Lagos, Superintendente de Planeamiento Mina de Hudbay Perú.

“En el año 2020, en Hudbay ingresamos a zonas mineralizadas con alta dureza, en donde bajan las leyes; y una mayor dureza significa un menor throughput, ya que se requerirá más tiempo para llegar al tamaño deseado, lo que impacta en la producción y ventas. Por ello decidimos hacer un cambio en la manera de utilizar la información y así poder crear modelos predictivos que nos permitan anticipar, con una efectividad mayor al 90%, los eventos que ocurrirán en el molino, con una anticipación de 90 minutos”, destacó Lagos.

Usualmente este tipo de análisis se realizaba con data histórica, pero ello podía generar errores debido a la heterogeneidad del depósito, que hace que el mineral cambie a medida que profundizamos o nos encontramos en zonas distales del yacimiento. En la actualidad, la técnica del machine learning (ML) está siendo utilizada con éxito en diversas industrias y poder aplicarla al sector minero nos permite tener información en tiempo real para poder tomar decisiones basadas en números.

 

Innovación importante

La importancia de esta innovación le permite a Hudbay conocer de manera anticipada el tipo de mineral que llegará al molino, con lo que pueden reajustar las acciones a realizar para el procesarlo, evitando así caídas abruptas en la productividad. Por ejemplo, si se sabe que llegará un mineral duro, este podría ser mezclado con uno suave, evitando que el rendimiento de la planta se vea comprometido.

De esta manera, se utiliza menos energía (no se utiliza más tiempo de molienda para la misma cantidad de mineral), hay un menor costo de minería (ya que se evitan cambios en la distribución de los equipos y parámetros) y se puede cumplir con el plan de negocios planificado en la operación, indicó Lagos en su exposición.

 

 

 

 

Related posts

Ford trabaja en el desarrollo de semáforos inteligentes para vehículos de emergencia

admin-roveri-mye

¿Qué soluciones tecnológicas existen en Perú para enfrentar la carencia del agua?

admin-roveri-mye

Interacciones proactivas, la nueva tendencia de atención al cliente que llegó para quedarse

admin-roveri-mye

Leave a Comment