La empresa ha implementado con éxito un modelo predictivo de throughput en su proyecto Constancia, ubicado en Cusco, al sur del Perú.

Como parte de su proceso de innovación para mejorar la eficiencia de sus operaciones, la empresa Hudbay Perú ha implementado con éxito un modelo predictivo de throughput, que utiliza el machine learning en su proyecto Constancia, ubicado en Cusco, al sur del Perú.

Se denomina throughput al ritmo con el cual se alimenta la planta concentradora de la operación, que incluye 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, explicó Eder Lagos, Superintendente de Planeamiento de la Mina de Hudbay Perú.

“En el año 2020, en Hudbay ingresamos a zonas mineralizadas con alta dureza, 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”, señaló 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 se profundiza o se encuentra en zonas distales del yacimiento. En la actualidad, la técnica del machine learning (ML) es 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.

Importancia del software generado para modelos predictivo del Throughput

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.







Continúa con tu red social preferida

Al continuar serás un suscriptor gratuito

O continúa tu correo.

Escriba su correo electrónico con el que se suscribió para acceder

Suscríbete

Ya me suscribí.