«Copiloto», el sistema de ‘machine learning’ de Hudbay que ha evitado varios posibles eventos por fatiga en la mina Constancia

«Copiloto», el sistema de ‘machine learning’ de Hudbay que ha evitado varios posibles eventos por fatiga en la mina Constancia

Como parte del proceso de transformación digital que viene desarrollando en su mina Constancia (región Cusco), Hudbay Perú viene utilizando la solución denominada “Copiloto”, destinada a prevenir los accidentes, colisiones por fatiga o somnolencia de sus trabajadores en toda la operación, explicó Paulo Alcazar, superintendente de Productividad y Gestión Mina de Minera Hudbay, en PERUMIN 35.

De acuerdo a un estudio realizado en 4 minas de tajo abierto que operan en Sudamérica, la fatiga y la somnolencia constituyen la causa del 68% de los accidentes vehiculares en dichas operaciones, por lo que es fundamental aprovechar la tecnología de los datos para ayudar a minimizar este riesgo. 

Alcázar indicó que “Copiloto” es una herramienta multiplataforma que brinda al equipo de supervisión de mina un seguimiento en tiempo real, de forma personalizada, de los trabajadores; asimismo, les permite cuidar su salud y seguridad, así como tomar decisiones operativas basadas en datos estadísticos confiables.

Como resultado, el representante de Hudbay señaló que, durante el primer semestre del año, se han evitado 48 posibles eventos por fatiga y de forma preventiva se han intervenido 3.865 veces a trabajadores por indicios que presentaban dicha condición; ante ello, agregó, se han realizado acciones como pausas activas, contacto con el operador, así como el relevo y monitoreo. “No se han tenido eventos por fatiga o somnolencia en la operación Constancia durante el primer semestre” destacó.

¿Cómo funciona?

Esta herramienta tecnológica funciona gracias a la integración de sus 4 sistemas de monitoreo en tiempo real y sus correlaciones (monitoreo de tiempo y calidad de sueño, gestión de flota, antifatiga en cabina y anticolisión), lo que permitió aplicar machine learning, mediante modelos de aprendizaje supervisado de análisis de datos masivos. Asimismo, cuenta con un panel de control donde se identifican anomalías en los indicadores (por operador) y el resultado del modelo predictivo, lo que permitirá a los jefes de guardia la toma de decisiones basada en machine learning para la asignación y distribución de operadores.

“En la minería una de las principales causas de accidentes es el factor humano en la operación de equipos, y si bien existen diversas soluciones que monitorean y controlan ello, aún ninguna alcanza el 100% de efectividad. Sumado a ello, a veces estas soluciones afectan la productividad de los equipos, por eso es que nuestro programa “Copiloto” apunta a la mejora continua e incorporación de la tecnología de los datos”, señaló Alcazar.

Autor: Jean Pierre Fernandez (jpfernandez@prensagrupo.com)