Equipo Minero

JUL-AUG 2015

Equipo Minero continuara presentando la muy respetada editorial que ha ganado admiradores de toda la industria minera Latinoamericana.

Issue link: http://equipo.epubxp.com/i/552545

Contents of this Issue

Navigation

Page 32 of 51

Análisis Avanzado 3 1 J u l i o - A g o s t o 2 0 1 5 disponible, Flesher explicó, un gerente puede gastar mucho tiempo en un pozo lleno de información y no lograr nada. Las plantas de fabricación que están usando Big Data efectivamente ven las operaciones de forma más clara en tiempo real, creando transparencia. Construyen modelos y experimentan con diferentes escenarios para descubrir necesidades, exponer variabilidad y mejorar el rendimien- to. Segmentado datos, pueden personalizar acciones. Podrían reemplazar o apoyar algu- nas de las decisiones hechas por el equipo de gestión con algoritmos automatizados. Como ejemplo, Flesher sugirió un com- ponente, la suspensión de un camión y la decisión de hacerlo funcionar hasta que falle. ¿Qué tipo de impacto tendría esto en la operación? ¿Ahorra dinero en la manten- ción? Los modelos están basados en equipamiento específico de minería y se pueden adaptar a diferentes condiciones. "Podríamos aumentar o reemplazar las deci- siones humanas," afirmó Flesher. "Una com- pañía minera no necesariamente necesita un jefe de producción con 30 años de experien- cia tomando cada decisión. El sistema podría tomar decisiones por ellos, por lo que se pueden enfocar en asuntos más complejos." Comparación Granular La comparación granular y la productividad de activos (confiabilidad y mantención) con Big Data son dos áreas donde MineLens se concentra. Ellos manejan un gran conjunto de datos a lo largo de varios productos, cerca de 100 minas con información en 4.000 camiones, 700 palas eléctricas, 400 cargadores frontales y 150 trituradoras. Usando este sistema, pueden comparar ref- erencias de diseño de costos, trabajo y operación en un conjunto global de colegas. La única pregunta que Flesher dijo haber hecho en cada sitio minero es: ¿Cómo com- paramos con operadores similares en otras locaciones? Los gerentes de minería gastan la mayoría de su tiempo en sus sitios y rara vez tienen la oportunidad de comparar notas con pares. "Podemos decirle a las personas como se comparan con otros y como pueden mejorar sus operaciones," dijo Flesher. Usando una "rigurosa" metodología de comparación basada en algoritmos y análisis de normalización propios, MineLens afirma que puede identificar oportunidades para mejorar la productividad mientras se reducen los costos y gastos de capital. También miden la mejora del desempeño con el paso del tiempo. "Pasamos mucho tiempo normal- izando y calculando esa información para comparar manzanas con manzanas," afirmó Flesher. "Los índices de excavación de una pala usada para mineral de hierro y sobrecar- ga en una mina de carbón diferirán sustan- cialmente. Sin embargo, una vez que el mate- rial está en el camión, el camión tendrá un desempeño esencialmente igual. El desem- peño del camión depende más de las rutas de transporte y de los cambios de elevación." La comparación granular le da a la operación un lenguaje común para discutir el desempeño y una manera de hacer comparaciones y medir la mejora con el tiempo. También revela retrasos ocultos del proceso que a menudo omitidos gracias a otros esfuerzos en mejorías. Los gerentes pueden concentrarse en un aspecto de la operación que está bajo en su desempeño, resolviendo obstáculos. Una consulta de la última información de MineLens enfocada en la eficiencia general del equipo con camiones acarreadores, des- cubrió que el mayor espacio para la mejora está en el desempeño del uso. "Observamos todos los camiones acarreadores para deter- minar donde perdían tiempo las operaciones," explicó Flesher. "Frecuentemente, la produc- ción culpa al mantenimiento. Cuando vimos los retrasos en los camiones acarreadores, descubrimos que la mantención representaba un 17% de los retrasos en los ellos. Esto es importante, pero 33% de los retrasos eran retrasos ocultos del proceso." Las razones para los retrasos ocultos iban desde voladuras a la espera en las palas, hasta no tener un lugar de donde acarrear y la espera de otro equipo/actividad. Estos retrasos omiti- dos representan un enorme factor oculto para la optimización de la flota de camiones. Otra razón expresada a menudo para los retrasos es el equipamiento más antiguo que opera en malas condiciones. Mientras esto puede ser verdad, la herramienta de consulta de datos por el desempeño de un camión acarreador no muestra muchos cambios en la disponibilidad. Con buenas prácticas de mantención y una buena con- ducta del operador, el equipo puede fun- cionar mucho más que el tiempo que algu- nas minas usan para sus modelos, explicó Flesher. "Los camiones más antiguos, efec- tivamente, se averían más a menudo, pero los mineros saben esto y tienen las piezas a mano, y saben cómo repararlo," afirmó Flesher. "Un camión nuevo se avería y las piezas podrían no estar inmediatamente disponibles, y la reparación podría tomar más tiempo debido a la falta de experiencia." La comparación de costos permite a los usuarios cuantificar una potencial oportu- nidad de mejoramiento. Cuando una mina revisa su costo total por tonelada de material removido, revelará donde se encuentra en la curva de costo tanto para mantención como para operaciones. Los costos de mantención de una mina pueden ser más altos que el promedio, mientras que los costos de operación están bajo control. Si los costos totales son más altos de lo que uno esperaría, La consulta del desempeño de los camiones acarreadores no mostró mucho cambio en la disponibilidad por sobre el tiempo.

Articles in this issue

Archives of this issue

view archives of Equipo Minero - JUL-AUG 2015