Por Matías Gil, Country Manager de Teradata Chile – Perú
Santiago de Chile, 13 de agosto del 2013.— La minería es una industria caracterizada por generar enormes volúmenes de datos a partir de dos grupos de tareas: el de prospección, que abarca el almacenamiento de investigación geológica sobre la composición de suelos y, por otro lado, el de producción, que detalla la operación funcional de la mina. En este sentido, contar con información acerca del mantenimiento y disponibilidad de los equipos impactará directamente en los costos operacionales y en las utilidades de una minera.
Históricamente, debido a la ausencia de tecnología adecuada, los análisis eran parciales y se efectuaban con métodos limitados. Además, los grandes volúmenes de datos y las técnicas de reducción que se aplicaban volvían de naturaleza batch a la carga y al análisis de la información, es decir, los estudios se alejaban del momento en que sucedían los acontecimientos.
En la actualidad, en cambio, con la aparición de tecnologías disruptivas, es posible realizar análisis complejos de volúmenes de datos que alcanzan hasta los petabytes de información de una manera rápida, en tiempo real y eficiente en cuanto a costos. A su vez, la simplificación en la utilización de estas tecnologías, mediante su integración en el conocido ambiente de bases de datos relacionales con la simplicidad del lenguaje SQL, posibilitaron que estas herramientas estén disponibles no sólo para un grupo reducido de profesionales con alto grado de especialización, sino también, para una amplia comunidad de usuarios, sin conocimiento técnico específico.
Entre los casos de utilización de la información para la identificación de patrones de operación, la aplicación de modelos predictivos y de optimización, se encuentra el de una de las mayores compañías mineras mundiales que produce cobre y oro. La misma genera más de cuatrocientos indicadores de performance de cada una de sus minas y equipos en todo el mundo a partir de más de sesenta fuentes de datos, con actualización cada quince minutos. De esta forma, la firma considera patrones de comportamiento sobre las fuentes de datos e identifica anticipadamente problemas y oportunidades de optimización de los procesos. Por lo tanto, obtiene beneficios tales como visibilidad de toda la cadena de valor a través de una única fuente de datos analíticos, reducción de los tiempos no-productivos, incremento de rentabilidad y reducción de costos de mantenimiento.
Otro ejemplo es el de una firma minera internacional con aproximadamente treinta minas activas que utiliza herramientas de Big Data para incrementar su productividad en el área de mantenimiento predictivo de la flota de camiones y reducir costos sustentablemente. Cerca del cuarenta por ciento de los gastos de mantención provenían de averías en los camiones, con lo cual, por medio de la identificación de las fallas “repetitivas” en la flota de vehículos, se logró la reducción de las mismas y la implementación de un plan proactivo al respecto.
Por último, una empresa de exploración y producción de petróleo y gas de Europa identificó patrones geofísicos entre los campos y pozos de petróleo, a fin de mejorar el aprovechamiento de los recursos de producción, obtener mayor productividad en la extracción de petróleo en los pozos y reducir costos.
La utilización de recursos de Big Data con una gran performance de procesamiento agrega valor, entonces, a toda la cadena de procesos de la industria minera. El futuro depende de un mayor conocimiento de las diversas áreas del negocio: producción, mantenimiento, puertos, pilas, transporte y finanzas. Es por medio de esta información valiosa cómo las mineras podrán aumentar progresivamente su productividad.