O conglomerado de mineração BHP descreve a IA como a forma como ela transforma dados operacionais em melhores decisões do dia a dia. Uma publicação no blogue da empresa destaca a análise de dados de sensores e sistemas de monitorização para detectar padrões e sinalizar problemas nas máquinas da fábrica, dando aos decisores opções que podem melhorar a eficiência e a segurança – além de reduzir o impacto ambiental.
Para os líderes empresariais da BHP, a pergunta útil não era “Onde podemos usar a IA?” mas “Quais decisões tomamos repetidamente e que informações as melhorariam?”
Portfólio não vitrine
A BHP descreve os efeitos ponta a ponta da IA nas operações ou, como diz, “desde a extração mineral até a entrega ao cliente”. Os líderes decidiram ir além das implementações piloto, tratando a IA como uma capacidade operacional. Tudo começou com um pequeno conjunto de problemas que afetaram o desempenho da empresa; locais onde a mudança poderia ser medida em resultados.
A empresa descobriu que poderia evitar paradas não planejadas de máquinas, além de restringir o uso de energia e água. Cada caso de uso que aborda um problema pequeno, mas impactante, recebeu um proprietário e um KPI que o acompanha. Os resultados foram revisados com a mesma regularidade utilizada para outros monitoramentos de desempenho operacional em outras partes da empresa.
Onde a BHP usa IA diariamente
Além de a BHP se concentrar especificamente em áreas como manutenção preditiva e otimização energética, considerou a utilização de IA em operações mais aventureiras, mas importantes, como veículos autónomos e monitorização da saúde do pessoal em tempo real. Essas categorias podem ser bem traduzidas em outros ambientes com muitos ativos, como logística, manufatura e indústria pesada.
Manutenção preditiva
A manutenção preditiva é o processo de planejamento de reparos em períodos de inatividade programados para reduzir falhas inesperadas e paradas dispendiosas e não planejadas. Aqui, os modelos de IA analisam dados de equipamentos a partir de sensores integrados e podem antecipar necessidades de manutenção. Isso reduz o número de avarias e reduz os incidentes de segurança relacionados ao equipamento. A BHP executa análises preditivas na maioria de suas frotas de carga e transporte e em seus sistemas de manuseio de materiais. Um centro de manutenção central fornece indicações em tempo real e de longo alcance sobre o estado da máquina e possíveis falhas ou degradação.
A previsão tornou-se parte integrante de suas operações com maquinário pesado, onde anteriormente essas informações eram apresentadas como “apenas mais um” relatório, que poderia se perder na burocracia da empresa. Ele modela e define limites que acionam ações diretamente para as equipes que planejam a manutenção.
Otimização de energia e água
Ao implementar a manutenção preditiva desta forma nas suas instalações em Escondida, no Chile, a empresa reporta poupanças de mais de três giga litros de água e 118 gigawatts-hora de energia em dois anos, atribuindo os ganhos diretamente à IA. A tecnologia oferece aos operadores opções e análises em tempo real que identificam anomalias e automatizam ações corretivas em diversas instalações, incluindo concentradores e usinas de dessalinização.
A lição aprendida é colocar a IA onde as decisões acontecem: quando os operadores e as equipes de controle podem agir de acordo com as recomendações em tempo real, as melhorias aumentam. Por outro lado, relatórios periódicos significam que as decisões só serão tomadas se a equipe vir os resultados dos dados e decidir que é necessário. A natureza em tempo real da análise de dados e o uso de gatilhos para ação significam que as diferenças se tornam rapidamente aparentes.
Autonomia e operações remotas
A BHP também está usando tecnologias mais avançadas, como veículos e máquinas autônomos apoiados por IA. Estas são áreas de maior risco, e descobriu-se que a tecnologia reduz a exposição dos trabalhadores ao risco e reduz o fator de erro humano em incidentes. Na empresa, dados operacionais complexos fluem através de centros regionais a partir de instalações remotas. Portanto, sem o uso de IA e análises, a equipe não seria capaz de otimizar todas as decisões da mesma forma que o software consegue.
O uso de wearables integrados à IA está aumentando em muitos setores, incluindo engenharia, serviços públicos, manufatura e mineração. A BHP é líder na proteção de seus funcionários, que muitas vezes trabalham em condições muito desafiadoras. Os wearables podem monitorar condições pessoais, lendo indicadores de frequência cardíaca e fadiga, e fornecer alertas em tempo real aos supervisores. Um exemplo pode ser a tecnologia de sensor de capacete “inteligente”, usada pela BHP em Escondida, que mede a fadiga dos motoristas de caminhão analisando as ondas cerebrais dos motoristas.
Um plano que os líderes podem executar
Independentemente do setor, os tomadores de decisão podem aprender com as experiências da BHP na implantação de IA na (literal) face do carvão. O plano a seguir poderia ajudar os líderes em suas próprias estratégias para alavancar a IA em áreas problemáticas operacionais:
- Escolha um problema de confiabilidade e um problema de eficiência de recursos que as equipes de operações já monitoram e anexe um KPI.
- Mapeie o fluxo de trabalho: quem verá o resultado e que ação poderá tomar?
- Implemente a governança básica para a qualidade dos dados e o monitoramento do modelo e, em seguida, analise o desempenho juntamente com os KPIs operacionais.
- Comece com suporte à decisão em processos de alto risco e automatize somente depois que as equipes validarem os controles.
(Fonte da imagem: “Shovel View at a Strip Mining Coal” de rbglasson está licenciado sob CC BY-NC-SA 2.0.)
Quer saber mais sobre IA e big data dos líderes do setor? Confira a AI & Big Data Expo que acontece em Amsterdã, Califórnia e Londres. O evento abrangente faz parte da TechEx e é realizado junto com outros eventos de tecnologia líderes. Clique aqui para mais informações.
AI News é desenvolvido pela TechForge Media. Explore outros eventos e webinars de tecnologia empresarial futuros aqui.
Fontesartificialintelligence
