Cómo aplicar el análisis de datos en la industria minera

La industria minera se encuentra en un proceso de transformación digital, por lo que la adoptación de nuevas tecnologías es crucial para optimizar los procesos dentro de las operaciones, por lo que el análisis de datos es una herramienta indispensable en la producción final. 

En ese sentido, es importante reconocer que es el análisis de datos. Se le conoce como aquel proceso de depuración, modificación y modelado de datos para llegar a información útil que servirá el día de mañana para tomar las decisiones correctas. Al igual que diariamente elegimos alternativas en base a lo ocurrido la última vez, o lo que puede llegar a pasar, el análisis funciona de la misma manera. Los datos recopilados aumentan las probabilidades de éxito.

Comprendiendo el análisis de datos

Este concepto puede abarcar diversos tipos de análisis, a tal punto que cualquier información por mínima que sea puede ser sometida a técnicas de análisis que permitan llegar a conclusiones claras y a través de ellas se mejoren los procesos. Por el lado de las mineras, estas suelen registrar el tiempo de carga, descarga, en cola, etc. Todos esos números sirven para calcular cuánto es el ciclo de acarreo de la flota y determinar hasta qué punto los equipos son o no productivos.

Con el análisis correcto es posible determinar muchas cosas, como por ejemplo, los posibles cuellos de botella en las rampas. ¿Hasta cuánto peso puede soportar? y ¿cuándo se saturaría? son solo algunas de las preguntas que evitarán padecer el “efecto Convoy”, en el cual la productividad de una mina se ve altamente perjudicada.

Otro caso parecido es el de los stocks y botaderos, y es que si bien para la descarga siempre un equipo auxiliar espera la llegada de los camiones, ¿qué pasaría si llegan muchos muy seguido? En resumen, tienen 2 opciones: esperar que el resto de los camiones descarguen o, si hay espacio en el área, descargar a un lado. En el caso de que esto último no sea posible, hay que esperar y perder productividad, lo que significa el incumplimiento del plan de producción inicial.

En ese sentido, el análisis de datos hubiera ayudado para que esto último jamás ocurriese o, si sucediera, habría un plan B.

Tipos de análisis de datos:

Se divide en cuatro tipos básicos.

Descriptivo: Como bien indica su nombre, se encarga de describir lo ocurrido en un tiempo determinado. Si aumentó el número de camiones que descargan por hora o el cumplimiento del plan de minado ha aumentado/empeorado, todo eso se sabrá gracias al análisis de datos descriptivo.

De diagnóstico: Por el lado del análisis de diagnóstico, se enfoca en por qué sucedió lo que sucedió. Las entradas de datos son múltiples y tratan de responder a una hipótesis, o descubrirla. ¿De qué manera el adelanto de la lluvia afectó la productividad de los camiones? es solo una de las miles de preguntas que podrán responderse.

Predictivo: En cuanto al predictivo, este es uno de los mejores para ciertas compañías porque se centra en lo que probablemente pase a corto plazo. Con un buen análisis predictivo, es más sencillo estar cubierto ante distintos escenarios.

Y por último el tipo de análisis que las empresas tratan de implementar.

Analítica prescriptiva: Este análisis es el que más organizaciones intentan implementar. Gracias a la prescriptiva se sugiere una acción. ¿Es mejor mover una pala a otra zona o dejarla como está?

Con todo lo aquí expresado, podemos ver que las implementaciones tecnológicas son fundamentales en la industria minera y todos los sectores en general. De no obedecer a esta máxima, se corre el riesgo de tener desventaja ante competidores directos dispuestos a modificar su forma de trabajar.