La Inteligencia Artificial facilita la clasificación en la minera y nos adentra en una nueva era con el Deep Learning

La compañía lleva 10 años utilizando el aprendizaje automático en sus clasificadoras con tecnología de transmisión de rayos X (XRT) y NIR.| Crédito: Tomra

La IA está desempeñando un papel importante en la clasificación de minerales. Stefan Jürgensen, jefe de equipo de software de Tomra Mining, explica cómo ha impulsado la clasificación basada en sensores y de qué forma la revolucionaria innovación del Deep Learning de Tomra brindará nuevas oportunidades a las operaciones mineras.

La inteligencia artificial lleva copando a titulares desde que ChatGPT irrumpió en escena, protagonizando noticias sorprendentes. Sin embargo, la IA lleva mucho tiempo trabajando entre bambalinas. Así, desde hace décadas, la capacidad de los sistemas informáticos para imitar el proceso de toma de decisiones y el pensamiento humano permiten acometer tareas que tradicionalmente llevaban a cabo los humanos redundando en un importante beneficio para las soluciones de clasificación basada en sensores de TOMRA. Estos sistemas no sólo automatizan el proceso de clasificación, sino que además mejoran su precisión y eficacia, aportando valor a las operaciones mineras.

La experiencia de Tomra Mining con la IA data de 1993. Fue entonces cuando su predecesor CommoDaS desarrolló clasificadoras basadas en sensores utilizando la IA en sus sistemas de tratamiento de imágenes para identificar las propiedades de las partículas. La tecnología de clasificación basada en sensores ha evolucionado con el tiempo, y Tomra lleva 10 años utilizando el aprendizaje automático en sus clasificadoras con tecnología de transmisión de rayos X (XRT) y NIR.

Ahora, Tomra Mining está abriendo una nueva era en la clasificación con su última innovación, OBTAIN™, que aprovecha el Deep Learning (Aprendizaje Profundo) para aportar precisión granulométrica en la clasificación de partículas con un alto rendimiento. Esta revolucionaria solución incrementa la capacidad y la calidad del proceso y lleva la recuperación de materiales a un nuevo nivel aportando valor a través de una gran variedad de datos detallados y precisos que permiten tomar decisiones mejor fundamentadas.

Lee también ► Perú: Antapaccay implementa tres tecnológicas que apuestan por la seguridad minera

Ideal para una clasificación de metales más eficiente, rentable y sostenible

Stefan Jürgensen, jefe de equipo de software de Tomra Mining.| Crédito: Tomra

La IA engloba dos subcampos que han evolucionado mucho en los últimos años: el Aprendizaje Automático o Machine Learning, que reconoce patrones, aprende de los datos y mejora sin necesidad de programación, y el Aprendizaje Profundo o Deep Learning, que emplea redes neuronales artificiales para analizar datos y resolver problemas complejos. Ambas tecnologías procesan enormes cantidades de datos de forma muy rápida y los utilizan para tomar decisiones sin intervención humana.

El Machine Learning y el Deep Learning pueden mejorar aún más el proceso de clasificación para explotaciones mineras que ya utilizan la clasificación basada en sensores, pero también pueden abrir nuevas oportunidades mediante la habilitación del tratamiento de materiales de muy poca calidad que anteriormente se habrían desechado. Otra ventaja de la IA es la cantidad ingente de datos que genera y trata, que permite a las explotaciones mineras obtener información muy valiosa sobre el rendimiento de la clasificadora y mejorar el mantenimiento preventivo.

Cabe destacar que Machine Learning y el Deep Learning no son soluciones “universales”. Gracias a su dilatada experiencia y sus intensas actividades de I+D en el ámbito de la IA, TOMRA siempre seleccionará la tecnología más idónea para cada caso.

La revolución de OBTAIN™: producción sin precedentes en la clasificación basada en sensores

Clasificadora COM XRT 2 1200 con OBTAIN™| Crédito: Tomra

Tomra está abriendo nuevos caminos con su última innovación, que se sirve del Deep Learning para introducir un elemento pionero: la precisión granulométrica en la clasificación de minerales con un alto rendimiento. Este software revolucionario utiliza una red neuronal que identifica de forma precisa las propiedades de cada partícula, sin que influya a qué capacidad trabaja la máquina. Se logra así un rigor y una fiabilidad sin precedentes tanto en la detección del material como en su eyección, esto último, en caso de no ser el material que se busca.

Así, la explotación minera dispone ahora de una mayor flexibilidad bien para incrementar la producción de la clasificadora, manteniendo la consistencia y eficiencia del proceso de clasificación o bien para mejorar la precisión de la clasificación sin reducir su rendimiento. OBTAIN™ cambia las reglas del juego.

OBTAIN™ ofrece ventajas a aquellas minas plenamente operativas. Mejora sus tasas de recuperación e incrementa la calidad del producto manteniendo la producción existente. En el caso de minas con capacidad adicional, facilita un aumento de la producción sin comprometer la calidad del producto. Además, esta tecnología innovadora permite valorizar materiales de la mina, ya sea el mineral de baja ley no explotado, los depósitos de residuos minerales o aquellos materiales cuyo tratamiento no se llevaba a cabo por considerar que no era rentable.

Lee también ► ME Elecmetal lanza primera bola de acero en Chile con reducción de un 50% en su huella de carbono

Crédito: Tomra

Asimismo, OBTAIN™ también aporta valor a las explotaciones mineras al ofrecer gran cantidad de datos extremadamente detallados y precisos, como por ejemplo la distribución granulométrica precisa en línea del material entrante. Cuando esta información se utiliza en combinación con Tomra Insight, se proporcionan al cliente informes detallados sobre el rendimiento de la clasificadora y sus componentes que optimizan el proceso y facilitan la planificación del mantenimiento predictivo.

El software OBTAIN™ se ha desarrollado para las clasificadoras XRT de TOMRA. Estará disponible en los modelos nuevos, pero también se proporcionará un paquete de actualización para las máquinas ya en operación. Esto brinda a los clientes que ya cuentan con clasificadoras XTR de TOMRA operativas una magnífica oportunidad para mejorar sustancialmente el rendimiento de clasificación, siempre que en su caso específico resulte ser una solución idónea.

TOMRA se ha asociado con dos clientes para probar el nuevo software OBTAIN™ en condiciones de trabajo reales. El software lleva operativo cerca de 18 meses en la mina de tungsteno Wolfram Bergbau & Hütten de Mittersill (Austria), donde ha demostrado su rendimiento coherente y fiable. La ubicación de la mina, cerca del equipo de desarrollo de TOMRA ubicado en Alemania, han sido clave en la primera fase del test permitiendo su minuciosa monitorización. La segunda fase de las pruebas, para cuantificar las mejoras, se ha llevado a cabo con un cliente de confianza de una explotación de magnesita. El éxito de las pruebas indica que el software OBTAIN™ está listo para transformar la clasificación XRT basada en sensores en numerosas aplicaciones.

Las empresas mineras interesadas en descubrir si el software OBTAIN™ es capaz de mejorar los resultados de clasificación pueden, como siempre, solicitar una demostración con muestras de su mina en el Centro de Pruebas de TOMRA de Wedel (Alemania).

Visión de futuro

Tanto el Machine Learning como el Deep Learning tienen un magnífico potencial para seguir mejorando las ventajas de las tecnologías de clasificación de Tomra Mining en explotaciones mineras.

La empresa trabaja en el continuo desarrollo de estas tecnologías y expande sus límites para ofrecer soluciones técnicas a aplicaciones que antes no se planteaban el uso de la clasificación basada en sensores. Además, puede usar tanto el Aprendizaje automático como el Aprendizaje Profundo para mejorar la tecnología de clasificación existente, aplicarla a más áreas de actividad, para lograr una mejor atención al cliente, un mejorado análisis del material clasificado optimizando el control de las plantas de procesamiento y potenciar tanto el mantenimiento predictivo como la supervisión de los componentes de la clasificadora.

(Visited 36 times, 1 visits today)
Contacte al editor

Últimos Noticias

Lee más