Insights de Manufatura: Lições de Metais e Mineração (Parte 3) – Painel de Especialistas com Axora

Bem-vindo ao podcast Trend Detection, da Senseye, líder da indústria no uso de IA para impulsionar desempenho e confiabilidade de ativos escaláveis e sustentáveis. Esta é uma nova publicação projetada para ajudar você a levar ideias sobre como alcançar eficiências de manutenção.

Na terceira e última parte de nossa série discutindo o que fabricantes podem aprender da indústria de metais e mineração, sou acompanhado novamente por Joe Carr da Axora. Você pode ouvir a parte um aqui e a parte dois aqui.

Durante o episódio discutindo o que fabricantes podem aprender da indústria de metais e mineração, somos acompanhados novamente por Joe Carr da Axora para discutir práticas de manutenção que empresas de metais e mineração seguem, por que tempo de atividade de máquinas é crucial e como ter muitos dados de máquinas está se tornando desafiador.

Inscreva-se via seu provedor de podcast favorito (Apple, Google e Spotify) se quiser ser notificado sobre futuros episódios e deixe seu feedback com uma avaliação.

Transcrição

Principais tópicos abordados (clique para ir à seção)

1. Principais práticas de manutenção na indústria de metais e mineração
2. Utilizando dados de máquinas em metais e mineração
3. Casos de uso de IA e Aprendizado de Máquina em metais e mineração
4. Sustentabilidade em metais e mineração
5. Estudo de caso: Alcoa

Niall Sullivan, Senseye: Sim, é isso, Joe. Interessante você mencionar manutenção porque era para onde eu ia em seguida e, na verdade, uma forma mais inteligente de fazer. De novo, pensando como ponto de partida, e você provavelmente vai dizer que é caso a caso, mas em geral, quais são as principais práticas de manutenção em vigor no momento?

O que estas empresas de mineração de metais seguem? É manutenção reativa? É como você sugeriu, trocam a cada 4.000 dias ou o que for? Em termos gerais, que tipo de prática estão seguindo no momento, em termos de manutenção?

Joe Carr, Axora: No mundo de mineração de metais, tempo de atividade é fundamental. Cem por cento, tempo de atividade é a coisa mais importante, porque é muito parecido com um assento de avião, se eu não produzo naquele tempo, nunca consigo recuperá-lo. Certo?

Uma vez que o avião decola e o assento não é vendido, nunca consigo o assento de volta para vender. É o mesmo se você está operando uma refinaria, certo? Se você não está produzindo metal, uma tonelada de cobre por uma hora, então aquela hora se foi. Nunca vou recuperar aquela produção.

Tempo de atividade é fundamental. A indústria certamente não quer operar de forma reativa. Sempre haverá algum nível de manutenção reativa. Sempre vai acontecer. Certamente como indústria, queremos que seja a exceção, não a regra. Além da manutenção reativa, que não queremos, você tem manutenção planejada e preventiva.

Definitivamente há uma mistura lá. De novo, como disse, é base empresa por empresa. Descobrimos que certas coisas, especialmente... Por exemplo, caminhões. Esse é um ótimo exemplo. Temos muitos sensores hoje em caminhões, que podem nos dizer como o motor está operando, os freios, e tudo mais. Nesses lugares, por exemplo, podemos ser mais preditivos no entendimento de quanto tempo um componente levará para falhar, então isso existe.

Depois, há áreas onde é apenas planejado direto. Trocamos aquilo a cada 5.000 horas. Por que trocamos a cada 5.000 horas? É o que o fabricante recomenda. Se isso está correto ou não, é passível de debate.

Certamente é uma mistura hoje. Acho que, idealmente, toda a indústria gostaria de operar de forma preditiva. Queremos IA, dados de sensores e aprendizado de máquina nos dizendo quando as coisas vão falhar, cem horas antes de falharem, para que possamos trocá-las bem a tempo.

Surge um problema lá em torno do planejamento. Não podemos consertar tudo pouco antes de quebrar. Temos que ter um nível de planejamento, mas há economias significativas de custo e benefícios ao tempo de atividade ao maximizar a vida útil do componente. No fato de que se eu puder manter aquele caminhão rodando 10 horas a mais do que queria. E posso planejar para derrubá-lo quando tiver um espaço disponível, em vez de estacioná-lo e colocá-lo na fila por um dia enquanto faço outra coisa, porque isso é produção perdida.

Acho que hoje, quando trabalhava em operações, tentávamos mirar nos altos oitenta em tempo de atividade. 88% geralmente, era o tipo de coisa. Com melhor manutenção preditiva, se conseguirmos empurrar para os oitenta e noventa, há benefícios massivos. Há benefícios massivos para a empresa de mineração. Há benefícios massivos para a sociedade, pois podemos produzir mais metais com a mesma quantidade de ativos que temos. Não precisamos abrir outra mina. Podemos continuar produzindo das que temos, e ser mais eficientes com o equipamento que temos.

Niall Sullivan, Senseye: Há uma mistura de estratégias acontecendo pelo que você diz. Você obviamente tocou em manutenção preditiva, que é um interesse muito claro do meu ponto de vista.

De tudo que você disse, fica claro que manutenção preditiva agregaria bastante valor. Quão bem isso está sendo adotado? Pode ser que manutenção preditiva ainda seja um mercado em crescimento e ainda não decolou.

Mencionamos sobre transformação digital antes e alguns dos problemas lá, mas a manutenção preditiva e os benefícios são amplamente conhecidos? Ou são amplamente conhecidos e não estão adotando pelos motivos que você apontou antes, sobre preocupações de segurança e esse lado?

Joe Carr, Axora: Sim. É realmente amplamente conhecido, na verdade. Soluções de manutenção são algumas das maiores na indústria.

De novo, se resume um pouco porque é tão fácil calcular o valor. É tão fácil dizer: "O que 1% a mais de tempo de atividade me entrega?" As peças de reposição que a navegação em peças, é sempre ótimo, mas sempre ofuscado em insignificância pela produção.

Se custar mais para operar a mina do que produzir o material, não teríamos uma mina. Não é assim que a indústria de mineração funciona, certo, como qualquer negócio. Há sempre benefícios massivos. Acho que a questão principal é que tem sido um desenvolvimento aleatório ao longo dos anos, e certamente dentro dos veículos e da planta, é o mais avançado. Especialmente, se você tem um caminhão amarelo grande e bem conhecido, certo?

Se você tem Caterpillar, Komatsu, ou esse tipo de gente, eles fazem manutenção preditiva em seus veículos há muito tempo, eles sabem. Quando vendem veículos hoje, há muitas minas que compram seus veículos. Eles não compram. Eles compram com base no tempo de atividade.

Estão comprando um veículo, com tempo de atividade mínimo de 87% ou algo assim. Se não conseguem aquele tempo de atividade, não pagam por ele, porque estão alugando. Um pouco como você alugaria um carro. Eles são fortemente motivados. Os fabricantes são fortemente motivados a manter aqueles veículos rodando da forma mais eficiente possível, porque é um grande diferencial quando você vende um caminhão, dizendo: "Meu caminhão é eficiente." Eles têm pools de dados tão massivos.

Se você pensa na Caterpillar, tem dezenas de milhares de caminhões com sensores, todos fornecendo dados sobre como aqueles caminhões rodam. Eles estão apenas ficando melhores em entregar o que fazem.

Se você é uma empresa de mineração e tem cem caminhões, seu pool de dados é muito menor para entregar aqueles benefícios. Quando implementam seus próprios sistemas, simplesmente não são tão eficazes. Esse é um exemplo onde manutenção preventiva e planejada foi impulsionada pelo fabricante.

Enquanto se você vai em algum lugar como o concentrador, a refinaria, ou a fundição, nenhuma empresa única vende uma fundição. Você não vai à Hatch ou FLSmidth e compra esta fundição. Eles as constroem a partir de componentes de muitos fabricantes diferentes. Então, podem construir um gêmeo digital em torno disso, se for uma fundição nova, nos últimos cinco anos.

É realmente onde IA, manutenção preditiva e aprendizado de máquina realmente têm uma oportunidade, porque não é controlado por um único OEM incumbent, certo? Não é uma broca, que é feita por... Não é um carro feito pela Ford, onde a Ford sabe o que está acontecendo em todas as peças.

Cada refinaria de mina é diferente. Cada fundição é diferente. Cada concentrador é diferente, feito por muitas peças diferentes de muitos fabricantes diferentes. Ser capaz de reunir todos aqueles dados, entender e entregar os insights que, hoje, temos disponíveis para caminhões, brocas ou pás, é onde há uma oportunidade realmente interessante. Então, o mesmo existe em toda a cadeia de valor da mineração. Esses são apenas dois exemplos muito bons.

 

Niall Sullivan, Senseye: É porque dados sempre são um... Bem, é tópico importante do nosso ponto de vista, porque há ou... É situação de festa ou fome, onde não há dados ou há tantos dados em tantos formatos diferentes. É bastante difícil tirar um tempo, pelo menos, para chegar àqueles insights reais lá dentro.

Empresas de metais e mineração são boas em reunir muitos dados em torno de seus diferentes tipos de máquinas e estão procurando formas de explorar isso? Ou não reúnem muitos dados? É o outro lado das coisas?

Joe Carr, Axora: Da experiência pessoal, eles reúnem toneladas de dados. Não têm a menor ideia do que fazer com eles.

Descobrimos isso em nossa previsão, nossa previsão de inovação, quando fizemos o trabalho. Um dos maiores problemas era: um, precisamos ser capazes de coletar os dados. Isso é um desafio porque você precisa de rede para fazer isso.

Uma vez que minas tinham dados, estavam em muitos formatos diferentes, em muitos locais dispersos. Um, eles não necessariamente sabiam o que fazer com eles ou não podiam fazer nada com eles, porque não conseguiam. Não tinham as habilidades, como conversamos antes. Os dados são um desafio real, porque estas máquinas hoje... Um dos caras de tecnologia com quem conversei há uns dois anos, ele dizia: "Um caminhão inteiro produz dois gigabytes de dados por dia." E eles tinham 83 na mina rodando. Ele disse: "O armazenamento enche. Não demora muito." Certo? Você tem 83 coisas produzindo dois gigs de dados todo dia para encher o servidor. O que fazemos com estes dados?

Ou 99% deles, não estamos interessados. Por que não estamos interessados? Não temos nada a ver com eles. Provavelmente eram dados incrivelmente interessantes. Estamos rastreando velocidade, tempo de ciclo e temperaturas do motor das variáveis. Provavelmente estamos rastreando 20 das 500 variáveis que vêm destes caminhões, em tempo real.

É uma oportunidade massiva para minas, porque têm todos estes dados e então eles ficam em silos. Ficam na mina, por todos os motivos que conversamos antes, sobre infraestrutura de nuvem e como proteger a mina de ataques cibernéticos? Temos todos estes dados que ficam num servidor que ninguém faz nada com eles, porque ninguém na própria mina sabe como fazer. Ninguém é empregado para fazer isso.

O que sou empregado, como engenheiro de mineração, para estar no chão de mina. Não sou empregado para sentar e analisar dados de servidor. Sou empregado para quebrar rocha, tirar coisas do chão, e colocar no plano de processamento. É uma mistura, certo? Muito raramente você vai a uma mina e encontra 20 cientistas de dados trabalhando nos dados. Certo? O que você encontra, são muitos geólogos, engenheiros, gente de produção, e perfuradores trabalhando na mina.

Isso parece uma pena porque, como disse, é uma oportunidade inexplorada. Como eu dizia, eles não têm os recursos internos para peneirar aqueles dados. Também são um pouco mais conscientes de segurança ao trabalhar com nuvem ou plataformas de software, que poderiam ajudar a ganhar insights reais. Parece uma oportunidade perdida.

Como disse, a indústria provavelmente mudará. Pessoas mudam empregos e geram... Talvez seja uma coisa geracional também. Talvez mude com o tempo e as pessoas tragam estas ideias pensando: "Bem, há montes de dados. Por que não estamos fazendo nada?" Realmente precisamos ir lá fora e encontrar soluções para que possamos fazer uso destes dados, para nosso benefício.

Também é uma coisa de emprego, certo? Quando eu era engenheiro de produção, o que eu realmente me importava, era a produção. Se alguém viesse a mim e dissesse: "Oh, podemos rodar um projeto de IA nos seus caminhões ou algo?" Minha visão teria sido tipo, bem, isso meio que atrapalha minha produção e meu emprego.

Você também vê um descompasso onde as pessoas no local, meio que só querem tocar seu trabalho. E as pessoas que estão nos departamentos de inovação, estão realmente interessadas em fazer projetos inovadores, mas precisam obter adesão das pessoas do local. Há este descompasso onde se sou engenheiro de produção, sou pago meu bônus e salário pela produção. Não sou pago por rodar projetos de IA.

Pode haver um descompasso onde as pessoas no local são tipo: "Olha, não tenho tempo para isso." Isso também é uma dicotomia interessante, também, dentro de uma mina. A mina é isolada em si. As pessoas de produção na mina, não falam com as pessoas de produção no moinho, que não necessariamente falam com as pessoas de produção nas refinarias e fundições, que estão produzindo o metal final. Todos estão fazendo suas próprias coisas. Da mesma forma, porque todos estão fazendo suas próprias coisas e é realmente importante para eles, se você chegar com uma coisa de manutenção, pode não obter adesão. Podem dizer: "Ah, isso é realmente valioso. Eu gosto muito disso." A resposta tende a ser: "Volte para mim quando eu puder simplesmente usar imediatamente, e não tiver que gastar tempo integrando." É aquele passo de integração e o incômodo que vem com isso. Não há uma pessoa lá cujo trabalho seja fazer isso.

Niall Sullivan, Senseye: Como disse, de novo, é a ver com o elemento de habilidades faltando lá, acho. Ou não foi um problema conhecido, é? Eles estão cientes da lacuna de habilidades?

Joe Carr, Axora: Sim, estão. Acho que isso se resume ao que conversamos antes, com aprendizado de máquina, IA, e centros de operação remota.

Quando pessoas são liberadas de fazer coisas que são repetíveis, parte do planejamento, e os passos que ainda fazem... Muitas pessoas fazem à mão, que provavelmente poderiam ser automatizados. Quando as pessoas são liberadas daquelas coisas, poderão olhar para coisas como IA e dedicar tempo e esforço àqueles projetos, que no final entregarão valor incrível.

É o: "Bem, eu prefiro ter 10 libras agora, do que 20 libras na semana que vem." O que você preferiria, certo? Preferiria ter o benefício agora ou depois? Como humanos com terríveis pensadores de longo prazo, planejando 10 anos adiante... Na verdade, a indústria de mineração é fantástica em planejar 20 anos adiante.

Todo departamento de mineração tem planejadores de curto, médio e longo prazo. As pessoas de planejamento de longo prazo, sua previsão mais cedo é 10 anos longe. Estão olhando coisas tão longe no futuro. A janela de planejamento da pessoa de curto prazo é esta tarde. Acho que, na verdade, a indústria de mineração é muito boa em pensar longo prazo. É só sobre como ajudamos toda a cadeia de valor a pensar longo prazo. E como libertamos pessoas para poderem fazer isso?

Niall Sullivan, Senseye: Sei que mencionamos IA e aprendizado de máquina muito e obviamente da minha perspectiva, sei do ponto de vista de manutenção preditiva, como isso pode realmente oferecer benefício. Além disso, em quaisquer áreas IA e aprendizado de máquina estão sendo aplicados? Que exemplos pode fornecer em metais e mineração?

Joe Carr, Axora: Bem, há realmente... a lista é longa como seu braço, como com muitas coisas.

Niall Sullivan, Senseye: Talvez fale sobre os top cinco. Não, o top... não sei..

Joe Carr, Axora: Sim. Vamos fazer a contagem regressiva, certo? Número cinco.

Acho que há várias áreas. Falamos sobre manutenção. Acho que manutenção é uma muito boa, porque a fruta está tão baixa que está no chão.

Há algumas áreas onde, desde que tenhamos os sensores para poder fazer coisas com, acho que há tanto em manutenção que pode ser feito que, hoje, é ou reativo ou apenas planejado. Trocamos o filtro de ar a 500 horas. Por que trocamos? Porque diz assim. Definitivamente acho que há benefícios lá.

Certamente há benefícios no entendimento do depósito. Não vou sair pela tangente da geologia, dado o público do seu podcast, mas apenas entender onde o metal está debaixo da terra. Há muito benefício em poder usar não o cérebro humano apenas para entender isso, porque você pode ter milhões de pontos de dados que hoje encontramos, clicamos, e circuitamos está aqui e está aqui, e construímos uma forma, certo?

Há tanto benefício para IA ou aprendizado de máquina, dependendo de quais algoritmos você quer olhar especificamente, para poder aplicar àqueles modelos. Em vez de fazer um modelo por semana, um algoritmo de aprendizado de máquina poderia fazer centenas de modelos numa tarde, e então o geólogo pode avaliá-los, e dizer: "Ok, aquele faz sentido. Este, não sei o que fez aqui. Foi louco numa tangente, então vamos ignorar."

Certamente há muitos benefícios em torno de IA básica. Estamos tomando IA aqui para fazer coisas simples. É inteligente. É muito bom em uma coisa e terrível em tudo mais. A IA em torno de dirigir um caminhão, é ótima em dirigir caminhão, mas você não pode fazer mais nada quando aprendizado de máquina aprende o que está acontecendo por si mesmo.

As aplicações de IA, dentro de uma mina para fazer coisas de novo, aquelas tarefas repetitivas. Há toneladas daquilo, desde perfuração de buracos, a cavar material, a marcar faces, a carregar explosivos. Todas aquelas coisas estão maduras para IA, porque fazemos exatamente a mesma coisa toda vez.

Vou perfurar uma face para desenvolvimento horizontal. Estou usando o mesmo padrão de perfuração, toda vez. Muito da perfuração agora, os perfuradores nem perfuram os buracos. Eles ligam e perfura sozinho. Eles garantem que está colocando os buracos nos lugares certos, mas há realmente aquele passo extra envolvido em dizer: "Bem, por que não podem simplesmente tocar eles mesmos? Apenas ter alguém num centro de operação remota de olho."

Há benefícios lá, e certamente no espaço de metais, quando olhamos coisas como aprendizado de máquina, em termos de entender o produto que estamos produzindo. Como estamos produzindo? Há defeitos? Se é um metal refinado no final usando algo como visão de máquina, então câmeras. Essencialmente, uma forma chique de dizer câmera. Usando visão de máquina para entender os resultados do material e então para quem estamos vendendo.

Ultimamente, a utopia seria: você quer um metal específico com alguma propriedade. Faz seu pedido, vai para a mina, e a mina despacha o equipamento para onde sabe que aquele material está. Mina aquele equipamento específico. Passa pelo concentrador, a fundição, e a refinaria porque tem propriedades muito específicas e é entregue a você, exatamente na especificação que você quer. Então, você processa como quiser, ou apenas usa no seu projeto. Hoje, não estamos nem perto daquela cadeia de suprimentos integrada. É o que poderia... E não há razão pela qual não poderíamos fazer hoje, apenas não existe hoje.

Niall Sullivan, Senseye: Não, isso é realmente interessante.

Sei que estamos chegando ao fim do nosso tempo, mas queria tocar naquele assunto de sustentabilidade, que é um tópico quente.

O que queria saber é, em termos gerais de novo, como a sustentabilidade está impactando metais e mineração no momento? Sei que falamos sobre questão de recursos. Também, que medidas estão sendo colocadas pelas empresas, para atingir metas? Tenho certeza que muitos fabricantes, empresas de metais e mineração também têm metas que querem atingir.

Joe Carr, Axora: Sim. A indústria de mineração está fazendo bastante. Você olha hoje, há muitos projetos usando veículos a bateria em minas. Hidrogênio também é um grande tópico de conversa.

Acho que ontem nas notícias, o cara que possui Fortescue Metals na Austrália, ele acabou de comprar o braço de baterias da Williams F1, para olhar baterias.

Ele é um personagem interessante, pois possui uma das maiores minas de minério de ferro do mundo. Ou grupos de mineração, devo dizer. Ele está construindo uma fazenda solar para, por falta de termo melhor, no Outback. Vai usar isso para criar hidrogênio da água do mar, para criar aço verde na Austrália. Então, vender aço sem pegada de carbono.

Quando você olha a indústria de mineração na verdade, aço, aquele braço de metais, é um dos maiores produtores de CO2. Pegam o minério de ferro e para produzir aço, têm que queimar coque e carvão, que é um tipo especial de carvão.

Você tem dois tipos de carvão. Térmico, que é o que todo mundo pensa quando pensa em mina, jogando carvão no fogo, e queimando numa usina. Isso é carvão térmico. Carvão de coque é um tipo muito específico usado para criar aço. Essa é a fonte de grande parte da pegada de CO2 da indústria de mineração, exceto na indústria de mineração de carvão, obviamente. Essa é a fonte de um grande pedaço da indústria de mineração, é pegada de CO2.

Há grandes perguntas sobre como produzimos aço verde? Como reduzimos a necessidade de carvão na produção de aço? Podemos fazer com hidrogênio ou mesmo gás natural?

Embora, os preços do gás natural hoje, também não faz muito sentido no momento, com a forma como o gás natural está.

Sustentabilidade está massivamente alta na lista de tarefas da indústria de mineração e em suas necessidades. É aquela pergunta interessante de: como produzimos todos estes metais realmente importantes que todo mundo quer? Como produzimos com impacto limitado? Entendendo que a indústria de mineração é por sua própria natureza, uma indústria extrativa.

A pergunta de como fazemos isso melhor, está nas agendas das empresas de mineração há muito tempo. E continuará a ser, quanto mais pessoas focam no meio ambiente, o que só vai aumentar. Vamos ver mais disso.

Para mim, o bit realmente interessante... E o duplo pensamento para citar 1984 de Orwell, sendo capaz de manter duas coisas na cabeça, diametralmente opostas e não entender o benefício delas, é que muita gente não gosta da indústria de mineração. Você diz que trabalha na indústria de mineração e as pessoas vão: "Ah, tanto faz." Não entendem a indústria.

Eles têm esta visão que a indústria é terrível, a indústria de metais. Ainda assim, ao mesmo tempo, também dizem: "Estamos numa crise climática e precisamos de energia verde mais do que precisamos de qualquer coisa." É impossível manter duas visões diametralmente opostas que você não gosta da indústria de mineração, mas quer fazer algo sobre mudança climática. Você não pode ter um sem o outro.

Não podemos fazer isso. Lembro que estava no IMARK, a conferência internacional de recursos de mineração há alguns anos, quando eu realmente podia pegar avião e ir a lugares.

Lá em Melbourne e o pessoal da Extinction Rebellion estava lá. Tenho até um vídeo de uma entrevista na Sky News Australia. Eles tinham o chefe do protesto da Extinction Rebellion lá. Mais ou menos parafraseando o que ele disse. Ele disse: "Estamos atualmente numa crise climática e precisamos fazer algo sobre isso. Se não acordarmos o mundo vai ter problemas massivos." Então, na mesma respiração: "Estão construindo uma mina de cobre nas Filipinas que ninguém quer."

É impossível manter ambas as visões, certo? Você não pode ser contra minas de cobre e contra mudança climática. Não pode ter a revolução de energia verde, sem a indústria de mineração.

Niall Sullivan, Senseye: Esse é um sentimento realmente bom para terminar, na verdade. Antes de terminar Joe, como as pessoas podem saber mais sobre a Axora e o que vocês fazem para eles? Para a indústria?

Joe Carr, Axora: Sim, pode ir em Axora.com. Pode ver o marketplace e pode nos contatar através disso. Ou, pode me encontrar no LinkedIn e me mandar uma mensagem. Ficarei feliz em redirecionar para quem for a pessoa apropriada na empresa, para falar sobre o que você quiser falar.

Estudo de Caso: Alcoa

A Alcoa Corporation é líder global em bauxita, alumina e produtos de alumínio, construída sobre base de valores fortes e excelência operacional datando de mais de 130 anos à descoberta que mudou o mundo e tornou o alumínio acessível e parte vital da vida moderna.

A Alcoa opera fábricas de produção mundialmente e aplicou inovações revolucionárias e implementou melhores práticas que levaram a maior eficiência, segurança, sustentabilidade e comunidades mais fortes onde quer que operem.

Descubra por que a Alcoa fez parceria com a Senseye para alcançar tecnologia de ponta e práticas operacionais para Manutenção Preditiva.