Los Pelambres desarrolla innovador proyecto que aumenta anticipación y detección de fallas de terreno

• A través de un algoritmo se registran las fallas de terreno menores de 30 metros, lo que permite anticiparse a estos eventos con una alta eficiencia y aportando con eso directamente a la seguridad de los trabajadores y a la continuidad operacional.

Era el jueves 6 de agosto, a las 20:10 horas, se registró una falla de terreno en el sector de la mina de Minera Los Pelambres. Dos horas y 40 minutos antes, en la sala de vigilancia ya se sabía que ocurriría el evento, por lo que se activaron las alarmas correspondientes y el despeje del sector se realizó con tiempo suficiente.

Esta es una demostración de la capacidad del Algoritmo de Apoyo al Vigilante (bautizado como A2V), el nuevo modelo predictivo de Fallas de Terreno desarrollado por el área de Geotecnia y Analítica Avanzada de la compañía.

“A2V está en marcha desde abril y a la fecha hemos podido detectar alrededor del 80% de los eventos con curva reconocible”, asegura Patricio Mora, gerente de Planificación y Desarrollo. El modelo anterior -Hazard Map, que se sigue usando de manera paralela- alcanza una predictibilidad del 41% y un menor tiempo de anticipación. El mismo evento del 6 de agosto este sistema lo detectó solamente 22 minutos antes.

El sistema registra los eventos de falla de terreno menores de 30 metros, que son los más frecuentes en Minera Los Pelambres y se caracterizan por ser de bajo tonelaje y rápido desarrollo. Ahí radica su valor, ya que al anticiparse con una alta eficiencia aporta a la continuidad operacional y seguridad de las personas y equipos.
El desarrollo de A2V nace de la oportunidad de maximizar el uso de la gran cantidad de información que se levanta en la mina gracias a los siete radares ubicados en el rajo, los que detectan desplazamientos submilimétricos a nivel de superficie en tiempo real. Al comparar una lectura con otra se establecen diferencias que se pueden traducir como inestabilidades o movimientos de terreno.

Francisco Dubournais, superintendente de Analítica Avanzada, explica que la información acumulada es utilizada para construir las curvas de comportamiento reconocible y realizar las predicciones. “Es una mezcla de criterios matemáticos y criterios geotécnicos”, acota.

En ella se clasifican curvas y se analiza su comportamiento en áreas mínimas de activación y tiempo transcurrido. Según la combinación de estos factores, la alerta se activa en el equipo del vigilante, quien finalmente emite la alarma a la operación si el análisis de los datos así lo requiere.

A2V se construye utilizando la historia de los eventos geotécnicos del rajo desde el año 2012 a la fecha, por lo que es un sistema que se alimenta con data real y que crece en “conocimiento”.

“Es un modelo de redes neuronales de clasificación que aprende de la historia. Nosotros lo entrenamos para que aprendiera cuáles eran las curvas de comportamiento reconocible y ahora predice si las curvas que van apareciendo se ajustan o no a esos parámetros”, precisa Dubournais.

El Hazard Map entrega unas 150 alertas por día, mientras que el A2V cerca de 30, las que son depuradas por el vigilante al descartar ruidos operacionales, cobertura del radar, refractividad, derrames y tronaduras, entre otras anomalías, hasta llegar a entre cinco y ocho eventos potenciales por día. Estas alertas vuelven a ser revisadas, esta vez con más detalle, y si aplica se levanta la alarma a la operación.

Patricio Mora destaca que el desarrollo de este modelo demuestra la capacidad de trabajo colaborativo y de innovación aplicada en Minera Los Pelambres en la búsqueda de mejores resultados. “Es un logro importante dado que fue un proyecto ideado desde cero, donde no hay referentes en el mercado y, por ende, su enfoque, definición, solución e implementación en un período de seis a ocho meses marca un hito importante en la gestión de los riesgos y conocimientos de la compañía”.

Algoritmo de Apoyo al Vigilante entrará en una segunda etapa, con el objetivo de incorporar nuevos modelos de inteligencia artificial y mejorar la interfaz del usuario.