Episodio 6 - Tecnología Transformadora en la Minería. Un enfoque visionario con Octodots Analytics
Resumen
Zdenko, fundador de Octodots Analytics, cuenta cómo pasó de la logística urbana y la analítica de clientes a optimizar flotas mineras. Explica por qué ve el carguío y transporte como un problema de transporte, qué hace su suite de software y dónde está la próxima gran oportunidad: integrar los datos de toda la cadena de valor.
- Mirar un problema minero desde otra industria puede abrir soluciones que la propia minería no había explorado.
- Según Zdenko, la minería todavía aprovecha una fracción muy pequeña de los datos que genera.
- Octopus Mining Suite usa optimización y simulación para apoyar al despachador, anticipar el cierre del turno y ordenar los cambios de turno.
- Los camiones autónomos automatizan la conducción, pero alguien sigue teniendo que decidir a qué pala ir.
- El gran salto está en que los sistemas de mina y planta conversen entre sí y no trabajen en silos.
Notas del episodio
Exploramos la aplicación de la innovación en áreas como transporte y logística en la minería y el uso de herramientas avanzadas de análisis, Machine Learning e Inteligencia Artificial. Nuestro invitado, líder visionario de Octodots Analytics, comparte cómo han abordado los desafíos tecnológicos en la industria minera y las tendencias emergentes que impactarán el futuro del sector. Descubre cómo la inteligencia de negocios y la inteligencia artificial están generando valor añadido en la minería. ¡Un episodio inspirador para conocer el potencial transformador de la tecnología en la industria minera! Recuerda suscribirte a nuestro canal para ser el primero en ver nuestros nuevos episodios! www.minenovate.com #InnovaciónMinera #TecnologíaEnMinería #InteligenciaDeNegocios #InteligenciaArtificial #OctodotsAnalytics
Transcripción(clic para expandir)
Bienvenidos a un nuevo capítulo de Minenovate. Hoy contamos con la presencia de Sdenko Cocina. Vamos a hablar de tópicos tremendamente interesantes. Hoy particularmente nos vamos a detener a hablar de inteligencia artificial, cómo empieza a aterrizar en minería, fieles a nuestro eslogan que es el podcast de historias de minería, innovación y tendencia. Hoy tenemos una historia, derechamente, de innovación, tendencias y minería por sobre todo. industrial y cuenta con un máster en transporte, sistemas y logística. Pero Zdenko, quisiéramos saber primero quién es Zdenko Cocina o para empezar a conocerte. Muchas gracias Francisco por la presentación. Bueno, yo soy de la Serena, para empezar, del norte chico. A los 18 años me vine a Santiago a estudiar. Ya me quedé acá y he seguido mi vida profesional en esta ciudad. casado, sin hijos, y actualmente, bueno, me dedico, soy emprendedor a través de Octodots Analytics o Octopus Mining, también como lo conocen varios, donde estoy ejerciendo actualmente mi carrera y poniendo mi energía. Oye, Zenko, cuéntanos cómo fue que llegaste a la minería, ¿no? Tú tienes un enfoque más del área de tecnología, de la ingeniería industrial, de transporte y logística, ¿cómo fue ese paso? He estado dando vueltas por varias partes. En verdad, efectivamente de profesión, yo soy ingeniero civil industrial con mención en transporte. Hice un magister al respecto en el cual me tocó abordar y programar también todos estos algoritmos asociados a optimización logística, optimización de ruta. Así que manejo bien toda esa área. trabajando con los mismos profesores de la universidad en una consultora que tenían ellos. Ahí me tocó desde hacer estudios para el metro de transporte público hasta también la generación de herramientas, pequeñas herramientas para la optimización logística de empresas privadas. Y estuve en ese mundo un poco, dos años, solamente en el mundo del transporte. pasajero en términos de rubro del negocio. Mi pega ahí estaba más relacionada con el análisis del comportamiento de los clientes a partir de los datos. Estoy hablando del 2006. En ese tiempo ya estábamos trabajando mucho con herramientas de analítica, analítica avanzada. No habían tantas herramientas como ahora, no había Python ni nada de eso, pero sí había otras, muchos SQL y muchos de ese tipo de cosas para poder justamente orientar el comportamiento de los clientes y poder dirigir distintas campañas comerciales, de marketing, de fidelización, etc. Entonces seguí de alguna manera ligado al mundo de la analítica, pero más bien asociado al comportamiento del consumidor. Bueno, en LAN también me tocó, LAN le digo yo, así se llamaba antes, en LATAM, ahí también me tocó liderar equipos para el mundo de desarrollo software. y ahí me metí ya un poco más en la parte de qué significa trabajar en el desarrollo de una aplicación, cualquiera que sea. Y así que fue súper entretenido, la verdad que el paso por la TAM fue muy enriquecedor desde muchos aspectos, tanto lo técnico como también lo humano, muchos amigos que hice ahí. Y el 2013 me dio la primera crisis de los 30 años, yo creo, y me fui, me salí y me fui a viajar. por Asia, tuve como seis meses, me fui en la mística. A encontrarme, a encontrarme conmigo mismo, exactamente. Fue un viaje en verdad muy bonito, que me marcó mucho, tuvo de todo, diversión, también tuvo momentos de encontrarse o de introspección, así que fue un quiebre bien bonito en la vida, que me permitió después volver con alta energía, y ya volví de nuevo al mundo de transporte, más en este caso a la consultoría, asociada a logística y eficiencia operacional. Y ahí se empezó a incubar un bichito que llega finalmente a la minería. Ahí me tocó armar el área de analítica y de desarrollo de soluciones tecnológicas basadas en algoritmos, particularmente para optimización logística. Hicimos un primer proyecto grande que lo financió Corfo para melón en hormigones. y optimiza todo el transporte las asignaciones de los camiones hormigoneros que uno ve en la calle no es cierto que se tienen que mover desde las diferentes plantas que hay hacia las obras de construcción y es un problema sumamente complejo además se tiene que llegar con cierto horario cumplir con la puntualidad así que hicimos ahí un sistema que fue como la base de alguna manera porque ahí se creó el primer equipo de trabajo que en un determinado momento dijimos oye parece que la minería también tiene un proceso de carrer y transporte, balas y camiones, que es también complejo y parece que hay ciertas oportunidades que hoy día tal vez o en ese tiempo no se estaban trabajando quizás de manera tan eficiente. Fuiste cambiando los vehículos, pasaste de los camiones chicos a los aviones y después ahora a los camiones gigantes de la minería y aplicaste tu conocimiento de logística y el amor que encontraste luego de tu viaje por la analítica de datos, mezclaste esos dos mundos y ahora estás ya generando un proyecto de innovación en minería. Pero la minería fue algo que más bien inculcó en la empresa mi socio, Nicolás Saez, porque él había estudiado, él estudió ingeniería industrial en minería y había justamente en su tesis de Magister estudiado los algoritmos asociados a los sistemas de gestión de flota, que son los sistemas que manejan los grandes camiones mineros que nosotros vemos. ¿cierto? Habitualmente cuando vemos una escena de un rajo. Y lo había estudiado, había desarrollado unos propios y había de alguna manera también identificado qué oportunidades podían haber ahí. Y él de alguna manera trajo la idea que eso se sumó a la experiencia que ya habíamos desarrollado trabajando con los camiones hormigoneros y de ahí es donde nosotros decidimos ya, ¿sabéis qué? Queremos entrar a la minería, como el 2018. paseamos por todos lados, por un montón de, bueno, típicas instituciones, y nos inscribimos en Expand, tuvimos algunas visitas con minera, pero obviamente, y esto es como súper sabido, que de buena esa primera es súper difícil entrar a la minería. Es como divertido, porque en el fondo es como que te presentas, no, pero es que no tienes experiencia en minería, a chuta, entonces, como que no puedes salir de esa luz, porque siempre te quedas atrapado, digamos, y hay que tener es complejo. Además de la experiencia, la industria muchas veces no se atreve a innovar cosas que no están probadas y que es lo que más necesita. Entonces se genera este huevo y la gallina que hay que romper de alguna forma. Y ahí han habido hartas iniciativas como para tratar de romperlo a través de, por ejemplo, el programa de proveedores de clase mundial o también algunas asociaciones con universidad y con incubadoras. Yo entiendo que tú también participaste en una de esas iniciativas de BHP, una hackathon, me parece. Y yo participé en, mi equipo más bien, participó en una hackathon que hizo justamente BHP. Ahora, eso fue cuando ya habíamos entrado a la minería. Porque la forma en que nosotros entramos a la minería fue más bien, llegamos de suerte, en verdad llegamos de suerte, que a veces se necesita un poquito, porque había otra startup amiga que se dedica al mundo logística, que se llama Simple Route, Ellos tienen un software logístico para la optimización de ruta logística, propiamente tal. Y hay una gran minera chilena que quería desafiar su proceso de cargo y transporte, que sentía que quería hacerlo distinto, que sentía que no estaba cumpliendo con todo el potencial. Pero el BP, el BP Operaciones de ese tiempo, quería una empresa que no estuviera en la minería. problema ya no fue resuelto por los mineros. Una empresa que no tenga experiencia en minería, que es un pensamiento súper revolucionario, digamos. Todo lo contrario a lo que nosotros usualmente conocemos. Y ellos se acercaron a esta compañía que en el fondo hacía gestión de rutas o software de optimización de rutas para los vehículos que andan en la calle, en los ciudades. Esta empresa amiga, que quiso enfocarse en su negocio, dijo, no, que voy a ir a meterme a los cerros, digamos. más bien su inversionista, le dijeron eso, y nos dio el paso a nosotros. Nos dijeron, creemos que esto es para usted. Y ahí entramos a trabajar con esta gran minera, la segunda más grande de cobre del mundo, y ahí fue, desde ahí ya empezó todo, empezamos a desarrollar los primeros productos, empezar a probarlos, y ahí recién empezamos a participar con más fuerza Milo en el ecosistema. Y dentro de esa participación en el ecosistema, conocer, de tratar de posicionar un nombre, de vender obviamente los servicios, es que ahí uno recurre a todo lo que está o todo lo que el ecosistema de alguna manera te ofrece y entre eso también ha aparecido esa hackathon, recuerdo, de organizada por PHP. Qué interesante que un problema con una base tan minera lo entreguen a un nuevo rubro, llamémosle, nueva visión de ese mismo problema y que decimos, ok, no podemos solucionarlo desde la minería, necesitamos traer una mirada externa. Entonces, en ese enfoque, Cedenko, ¿qué aspectos diferenciadores ves tú que se pueden vislumbrar desde la innovación en la minería con este background que tú nos comentas que viene de toda esta historia que nos has contado? ¿Cómo se instala la innovación en minería desde tu posicionamiento en Octodots y en tu trayectoria? El tema de la transferencia, que creo que para allá apunta Francisco, quizás tu pregunta, de experiencia, de conocimiento, de problemas entre industrias es súper rico. Y la minería tiene que aprovecharlo, porque queramos o no queramos, la minería en general es siempre la industria que va más atrás con respecto a estos temas. Los temas de analítica, por ejemplo, la aerolínea, los vienen trabajando desde hace mucho tiempo. también. Y la minería siempre, tal vez por tema histórico de estar justamente más lejana, por ser un poco más pesada en términos del proceso, quizás ha sido mucho más reacia incorporarlo. El error es mucho más caro. Entonces, justamente para la minería, incorporar riqueza, conocimientos de otras industrias, yo creo que es muy provechoso. Porque además, si miramos la minería, no podemos mirar la minería como uniciencia, o sea, en una cadera minera tú tienes ingeniero minero, tienes gente más especializada en metalurgia, químico, transporte, hay un montón de ciencias que se conjugan y que vienen en general también de otro lado. Yo, con respecto al problema de cargo y transporte, por ejemplo, sin miedo a equivocarme, digo que el problema de cargo y transporte minero es un problema de transporte, no es un problema minero. ¿Por qué? El problema realmente minero es el problema de la planificación. Si tú me dices desde dónde hay que sacar material o cuánto material hay que sacar de cada pala y a dónde hay que ponerla, que ese es un problema de planificación minera, cuando eso ya sucedió, luego el cómo hacerlo de la manera más eficiente y cómo mover los camiones de manera más eficiente es un problema de transporte. problema y poder capturar o poder incorporar ambas aristas que ese problema ofrecen. Qué interesante lo que nos comenta Stenco, vinculando con los últimos dos capítulos que hemos tenido invitados, cuando tuvimos a Juan Pablo, cuando tuvimos a Paula, ellos valoraban mucho lo que era la sinergia de distintos perfiles y la integración de perfiles que fueran ajenos, derechamente, a la especialidad de minería y cómo estas sinergias de conocimiento generaban un approach distinto a un problema que tiene una base tremendamente minera, de nuevo, como mencionábamos recién. Muy interesante la visión que nos estás dando en ese aspecto. Entonces, en este contexto, Sdenko, ¿cómo describirías la importancia de la innovación basada en inteligencia de negocio en la industria minera? ¿Cómo ha sido tu experiencia liderando desarrollo de productos tecnológicos en este sector? ¿Cómo lo ves en ese aspecto, Sdenko? En inteligencia de negocio, ¿en qué sentido, Francisco? te ha desarrollado principalmente lo que hablabas, pasaste de transporte, de una manera meterte en lo que era analítica de datos. Y hoy en día diría que tu negocio está orientado hacia la analítica de datos y el uso del dato. Entonces, a eso normalmente se le conoce como inteligencia de datos o data-driven decision. ¿Dónde crees tú que hoy en día está el foco en la minería en ese sentido? ¿Está evolucionando? ¿Está recién incipiente? ¿Dónde crees que hoy en día está la industria desde tu mirada un poco quizás más innovadora o más especializada en ese contexto? Buena pregunta. Y yo creo que hay un mundo ahí todavía por explorar, por trabajar, asociada a la explotación de los datos. Cada vez se están generando más datos en la minería. Cada vez hay más dispositivos, ¿no es cierto?, de la mano del auge y de todo el desarrollo de los hardware, de IoT en general. Capturan más sensores y esa información queda en algún lado. Por lo tanto, hay mayor materia prima para hacer lo que se llama minería de datos. Valga acá la redundancia. Porque ahí hay mucha información. Yo creo que todavía debemos estar explotando no más del 5% de los datos que existen disponibles. Y por lo tanto, hay una oportunidad gigante para, a partir de ello, generar descubrimientos, patrones. que finalmente se transformen ya sea en nuevas formas de hacer las cosas o se transformen de frontón en alguna solución tecnológica, en algún sistema, en algún hardware que pueda apoyar un proceso. Hay mucho por avanzar. En general siempre va primero el hardware y después el análisis de datos. Un ejemplo súper claro de esto son los GPS. Los GPS existen hace un montón de tiempo, pero los GPS se empezaron a mirar con fuerza, no sé, tal vez, Hace una década y media, no sé si mucho más. Antes simplemente se acumulaban datos. No sé bien para qué, pero se acumulaban datos. Hoy día yo creo que eso muchas veces pasa. Hoy día hay muchos datos que se están acumulando día a día, pero que nadie lo está mirando. Hay una oportunidad importante para la minería de incorporar buenas prácticas y las mejores prácticas asociadas a stack tecnológico, a almacenamiento de datos. Las nubes también ayudan porque almacenar una cantidad importante de datos de forma eficiente no es tan fácil. Y poder justamente preparar esos datos para que sean explotados y puedan producir valor, hay todo un mundo ahí que también los ingenieros informáticos tienen mucho que decir. más fácil y eficiente. También hay una máxima que a mí siempre me gusta decir en las empresas que he trabajado, en las mineras que he trabajado ahora como consultor, es que hoy en día el dato es casi tanto o más valioso que el recurso que estamos extrayendo, porque en definitiva nos permite optimizar nuestras prácticas y nuestros procesos y tomar mejores decisiones y aumentar en el fondo la rentabilidad y la producción de cada una de las compañías. Y en ese sentido creo que está orientado tu compañía, Octodots Analytics, está orientada justamente en eso. Quizás nos podrías comentar un poco qué es Octodots Analytics, qué es lo que hace, cómo trabaja, cuáles son las mayores oportunidades que tú ves desde tu mirada de compañía. Muchas gracias por la pregunta. Nosotros en Octodots Analytics tenemos dos líneas. La primera línea es la línea de lo que llamamos software, software as a service, donde el El producto emblema es Octopus Mining Suite. Y Octopus Mining Suite es una serie de soluciones que básicamente optimizan el proceso de cargo y transporte minero. Tenemos una solución, por ejemplo, que es un control automático que ayuda al despachador a mover los distintos parámetros que tiene el sistema de gestión de flota, que by the way es una pega bien compleja. Tenemos otro sistema que es un gemelo digital. En todo momento predice cómo va a terminar un turno y además recomienda en forma proactiva lo que se llama optimización prescriptiva, pero recomienda en forma proactiva acciones para poder corregir hacia dónde va un turno y llegar a la meta que se espera. Por ejemplo, sumar camiones que están en reserva, mover un cargador frontal desde un frente de trabajo hacia otro frente de trabajo y una serie de otras decisiones. Es un gran dolor para cualquier operación porque ahí es donde se produce la baja producción. Sale el turno saliente, entra el turno entrante y lo que hace el sistema nuestro es que optimiza cuáles son los mejores puntos, los mejores estacionamientos donde los operadores pueden hacer el relevo y además coordina automáticamente con los buses de transporte personal. Esos son nuestros tres productos principales. Nuestros algoritmos también se disponibilizan a través de API. Y eso va muy en línea con nuestro sentido de colaboración. O sea, si hay alguna otra aplicación creada, por ejemplo, por un área digital de una minera o por otro proveedor que quisiera consultar nuestro algoritmo, tiene la disponibilidad de hacerlo. Así como, no sé si conocen las APIs de Google Maps, que en el fondo uno va y las consulta y obtiene información o usa esos algoritmos. Eso por toda la línea, digamos, que podríamos englobar dentro de software. Y la segunda línea es la línea que podríamos llamar Advanced Analytics, es decir, analítica avanzada. Acá ya no es un software en sí, sino que más bien nos ponemos a disposición de un cliente que tiene un determinado problema, que tiene datos a disposición, que no sabe cómo trabajar esos datos. Finalmente lo que nosotros ofrecemos es un proceso en que a partir del levantamiento de proceso, análisis de los datos y un proceso creativo, podemos descubrir patrones y eventualmente podemos derivar determinadas soluciones para solucionar el problema que se está planteando. De hecho, así nació Octopus Marine Suite. Nació de un proceso analítico para poder resolver un problema en particular que en ese tiempo era una baja alimentación achancada. En este caso, la idea es replicar eso mismo, es decir, a partir de los datos, conversaciones, entrevistas, terrenos, vamos a descubrir qué puede estar pasando acá y cuáles pueden ser potenciales cursos de acción para generar una mejora. Zdenko, tú mencionaste hartas cosas interesantes y entre ellas mencionaste análisis prescriptivo, mencionabas que se implementaban técnicas de análisis prescriptivo. Creo que ahí es interesante hacer el alcance que cuando una solución está basada, por ejemplo, en estadística descriptiva, probablemente el impacto que pudiéramos tener en un problema complejo no sea el deseado. Ahora, si queremos predecir, probablemente podríamos estar nos acercando un poco más, pero cuando estamos hablando de prescripción, estamos hablando de un análisis de cómo debiese comportarse en función del óptimo, que está muy ligado a lo que tú mencionabas en la razón de ser, del desarrollo de esta empresa, el óptimo para poder encontrar la ruta crítica. Cuando tú decías que la naturaleza, la génesis del problema era más bien un problema de optimización de ruta y qué interesante ver que las herramientas se van ajustando a este enfoque. Y en este sentido, Zdenko, todas estas tecnologías que tú nos estás comentando, ¿cómo conversan, por ejemplo, con una tendencia tremenda que son los camiones autónomos? Es una súper buena pregunta, Francisco, porque de momento la autonomía y los trabajos que están haciendo las principales marcas con respecto a autonomía, lo que hacen es que automatizan la labor o la tarea del operador. Es decir, ya no necesita es un operador. Lo que hacen es hacer que el camión se maneje solo. Y eso, bueno, tiene sus beneficios, ahorrar los cambios turnos, seguridad, bla, bla, bla, un montón de cosas. Pero la autonomía de momento no se ha metido o no ha trabajado en la pregunta ¿qué tienen que hacer los camiones? Porque una cosa es que se maneje solo, pero igual a un camión autónomo o no autónomo, alguien tiene que decirle ¿Qué tiene que hacer? ¿Si tiene que ir a la pala 3 o tiene que ir a la pala 5? Eso, hoy día, la autonomía no lo está cambiando. Es decir, sigue siendo de la misma manera como se ha hecho durante los últimos 30 años. Por lo tanto, con respecto a lo que hacemos nosotros, no hay mayor cambio y es un poquito indiferente si el camión es autónomo o es manual. Tiene alguna diferencia. El camión autónomo va a hacer caso. que le dio el sistema de gestión de flotas. En ese sentido, entonces, son sistemas que podrían conversar. O sea, lo que decías tú, a través de esta APIs, por ejemplo, se podrían integrar ustedes y podrían ir hacia una automatización de la flota. Entendiéndose por automatización, predefinir de un sistema óptimo de rutas, más un manejo en este sentido. Exacto, y hemos tenido algunas conversas con actores al respecto. automatizar el manejo. Otra cosa es, ya lo que podríamos decir, una mina inteligente que toma las decisiones totalmente, en forma totalmente autónoma. Y eso ya es otra cosa, digamos. El siguiente desafío de la industria. Oye, también mencionabas de que la segunda rama de tu compañía es el Advanced Analytics. Y ese término yo diría que hoy en día está en la boca de todos. Entonces quizás sea bueno aprovechar de que tenemos poder definirlo, sobre todo para nuestra audiencia que quizás es del mundo más minero tradicional y de repente todo esto es nuevo. Entonces, ¿a qué le llamamos a Dance Analytics? ¿Qué entendemos por eso? Es una buena pregunta. El mundo está lleno de palabras bien grandes y que a veces son más sencillas de lo que suenan. Pero básicamente, bueno, se refiere a usar técnicas avanzadas en estadística principalmente, salir quizás de las funciones típicas o básicas de estadística, ir a análisis un poquito más complejos que me permitan derivar patrones, algoritmos que me permitan predecir cosas. De alguna manera es la fusión, podríamos decir, en mi opinión, de la estadística avanzada y la matemática, el poder creciente que han tenido los computadores. Muchas de las técnicas de advanced analytics que nosotros hablamos, en verdad, Están en un paper del año 78 o 89. Lo que pasa es que en ese tiempo no estaban los computadores para poder usarla y solamente se podían probar a modo experimental. Entonces, yo diría que es eso ahora. Si tú me preguntas a mí, Milo, y esto es lo que nosotros siempre inculcamos a nuestros data analytics y data scientists, usar o la técnica o todo, es hacerse las preguntas correctas. Si tú te haces las preguntas correctas, probablemente incluso con técnicas no tan sofisticadas de análisis va a llegar quizás a buenas respuestas. Entonces el trabajo o de alguna manera el pensamiento inductivo de poder decir tengo un problema, ¿cómo lo enfrento? y empezar a desmenuzarlo y convertirlo, a generar hipótesis y sobre esa generar análisis para descartar o aceptar, creo que es lo que puede distinguir a un equipo de, a un buen equipo de Advanced Analytics. Finalmente está el método científico metido por ahí. Es lo mismo, hacerse las preguntas e ir constatando con los datos si la respuesta es correcta o no. Entonces, en ese sentido, podríamos reunir todo este mundo de la analítica avanzada y decir que básicamente es llevar el método científico de la mano con una estadística de alto nivel Y en este sentido, tu empresa, que es Octodots, utiliza analítica avanzada con técnicas que hoy se conocen dentro de la inteligencia artificial. Principalmente está lo que conocemos como Machine Learning, aprendizaje automático, y está lo que conocemos como Deep Learning, como aprendizaje profundo. Entonces, cómo estas herramientas de aprendizaje automático, aprendizaje profundo, se van integrando, se van ajustando a los problemas en función de su complejidad. Creo que es súper interesante que nos vayamos viendo estadística, podemos migrar hacia una técnica avanzada, por ejemplo, de aprendizaje automático, para solucionar un problema de tal complejidad. ¿Cómo tú has visto que se hace ese match entre la técnica que tú estás implementando, con base en estadística de nuevo, en función de la complejidad del problema en minería? Mira, nosotros particularmente las técnicas que más explotamos son optimización y simulación. con componente estocástico, simulación. Entonces, por ejemplo, este software que yo les decía que genera recomendaciones prescriptivas, lo que hace es que en todo momento va simulando qué pasa si yo hago esto y va generando movimiento, va generando muevo esto para acá, muevo esto para acá. Como la capacidad computacional hoy día lo permite, lo hace tan rápido que finalmente para cada movimiento simula cómo va a terminar el turno. desde ahí es que genera sus recomendaciones. No sé, tal vez para un problema, los típicos problemas de predicción de falla, las herramientas más típicas de Machine Learning son las que pueden apoyar mejor, pero en el mundo de transporte es mucho de algoritmos de optimización, que ojo que desde el punto de vista teórico no son para nada, y problemas de simulación, simulación estocástica o simulación por eventos. Yo creo que eso es súper útil para los procesos de transporte. ¿Por qué? Porque son eventos. Eventos discretos que se mueven, un camión que se mueve, sujeto a cierta incertidumbre de la velocidad, de cuánto se va a demorar en cargar la pala, si va a ver cola o no va a ver cola, etcétera, etcétera. Y ahí la simulación estocástica funciona bastante bien. Zdenko, antes de pasar a la última pregunta que tenemos planificada, tú mencionaste harto el método estocástico. ¿A qué nos referimos con este método estocástico para nuestra audiencia? Bueno, sí, perdón. Me refiero, digamos, al reconocer que hay cosas que no sabemos cómo van a ser, digamos. Es decir, hay incertidumbre y por lo tanto, si yo tengo que resolver un problema con incertidumbre, tengo que ocupar técnicas, y hay técnicas que están dentro de, digamos, de la matemática que me permiten minimizar, digamos, el impacto o minimizar el error esperado que yo podría tener. producto de esa incertidumbre natural del futuro. Un poquito asumir que el proceso es incierto en determinadas dimensiones. O sea, básicamente una simulación. Corremos simulaciones que simulen distintos escenarios y le asignamos una probabilidad de ocurrencia. Exactamente. Eso es lo que entiendo. Oye, también mencionamos hartos conceptos y quiero aprovechar de este espacio y de tener ustedes dos que son especialistas en la batería Hablamos de dos conceptos que también están en la boca de todos hoy en día. Uno, Master Learning y el otro, Inteligencia Artificial. Entonces creo que también sería re bueno poder aterrizarlo y hablar de las diferencias que tienen estos tres grandes conceptos que hemos estado introduciendo. Uno, Advanced Analytics. Segundo, Machine Learning. Y tercero, Inteligencia Artificial. Ya definimos Advanced Analytics y podríamos definir ahora qué es Machine Learning. Bueno, en la concepción de un amigo, de un muy buen amigo que hoy día es profesor, y doctores en matemáticas de la Chile. Finalmente, todo se engloba en lo que podríamos llamar inteligencia artificial. Todo está ahí. Un algoritmo que de alguna manera es capaz de hacer una acción por sí solo es ya inteligencia artificial. Puede ser simple, pero es inteligencia artificial desde la definición de ella. Después, cuando ya empieza el aprendizaje propio de la máquina, de decir que la máquina va aprendiendo, lo que podríamos llamar Machine Learning. Yo no soy experto en, digamos, la clasificación teórica de las materias, pero así es como al menos lo entiendo. Sí, para complementar ahí, Sdenko, totalmente de acuerdo. Hablamos de aprendizaje automático como un habilitador para lograr lo que llamamos inteligencia artificial. De hecho, inteligencia artificial engloba todo lo que es aprendizaje automático, engloba técnicas que se utilizan incluso en robótica, engloba también el aprendizaje profundo que dicho sea de paso es como un hermano del aprendizaje automático y nace de la necesidad de contar con más datos en problemas que son muy complejos y que el aprendizaje automático no logra solucionar por lo tanto hablamos de que el aprendizaje automático se logra cuando la cantidad de datos es suficiente en función de la muestra que tenemos para entrenar un modelo y en función de la muestra que tenemos para testear y probar ese modelo y medir qué tan eficiente es y qué tanto se está ajustando al resultado deseado. Si lo llevamos a un problema como los que ustedes solucionan, necesitábamos que este camión llegara de tal ruta a esta otra, implementemos una herramienta de aprendizaje automático, ¿cuál de los modelos que estamos implementando se ajusta mejor al resultado que estamos buscando obtener en función del valor añadido al negocio? Ahí podríamos decir que está ejerciéndose un algoritmo de aprendizaje automático. Por lo tanto, está de alguna manera emulando cómo, inteligentemente podría actuar un humano. De hecho, esa es la base que tenemos en la inteligencia artificial y la concepción que tenemos, porque inteligencia es un concepto súper amplio. Ya yéndonos como un poco a tu empresa, el éxito o digamos el resultado que han tenido hoy en día en la industria, ¿cómo crees que la inteligencia artificial que ya introdujimos podría aportar el mayor valor añadido a la industria minera desde un punto de vista de la nítica avanzada o Magic Learning? directamente interés artificial? Yo creo, Milo, que sin duda que hay un montón de procesos unitarios que van a seguir mejorándose a partir de la mayor cantidad de datos y técnicas matemáticas computacionales para tratarlo. Pero donde todavía puede haber un espacio gigante para todo el mundo de analítica, el mundo de simulación, es en ir uniendo los eslabones la minera. Porque en general tiene que ver con las especializaciones tal vez de las profesiones. Yo, por ejemplo, que estoy en el mundo minero, yo no entiendo nada de lo que pasa en la planta. Pero entiendo súper bien cómo se mueven los camiones, lo que tienen que hacer. Y probablemente alguien que está en la planta va a ser al revés. Entonces ahí es donde se tiene que empezar a unir de alguna manera esos conocimientos. Y yo creo que hoy día la tecnología nos entrega la capacidad, de que se pueda ir generando justamente una solución integral. Imagínense un centro integrado de operaciones con un gemelo digital, pero a nivel del centro de operaciones, no a nivel solamente de carrera y transporte, no a nivel solamente de la chancadora, no a nivel solamente de otro activo, sino que más bien como alerta global, entendiendo cuáles son cuellos de botella y cuáles no. Creo que ahí todavía hay una gran oportunidad, explotar, en el cual también queremos estar. Yo tengo el concepto más bien para la minería de una inteligencia sumada, lograda con una conversación de algoritmos, más que un gran algoritmo que resuelva todo, o un solo actor que resuelva todo. O sea, yo tal vez me tengo que integrar desde el punto de vista de carga y transporte con alguien que tenga un género digital del chancado, y conversar. Y yo creo que ahí se empieza a generar una riqueza súper amplia, porque finalmente lo que importa es el cobre final que sale. Y esa es la mirada que todos los procesos deberían empezar a tener y no tanto mirarse al ombligo. Entonces, de alguna manera, la capacidad de tener más datos, mayor tecnología, nos puede facilitar eso. Qué importante que menciones el concepto varias veces de gemelo digital. Para nuestra audiencia, el gemelo digital lo vamos a reconocer como un gemelo, justamente una réplica tal cual de un proceso que tenemos en terreno, para hacerlo más maleable a nuestro enfoque que queremos hacer con esta representación de un problema que es tan complejo y tan difícil de repente llevar. Que la minería tiene esa particularidad sobre todos los problemas. Hay problemas en la mina que uno a distancia no puede resolver, por lo tanto, ¿cómo puedo yo tener una réplica de eso? Bueno, el gémelo digital es un habilitador de eso. Interesantísimo que lo mencione cómo está ayudando y en ese contexto Sdenco toma mucha relevancia Buena pregunta. Yo creo que teóricamente suenan súper bien, en el sentido de que es bastante lógico que si no es necesario estar en la operación y poder tener reunido a todos los procesos, si eso se puede hacer, suena como que es algo a hacer. Tiene la ventaja justamente de poder poder tener a los distintos equipos o a la cadena de valor en junta y conversar. O sea, la persona de despacho puede hablar directamente con la persona de chancado, pararse y hablar. Lo que antes hacía con el teléfono. También tiene algo que tú mencionabas de poder integrar los distintos procesos y también genera una fuente de datos que también de alguna manera está integrada ustedes se puedan conectar a esos datos que ya dejan de pertenecer a silos, sino que ya no es mi dato, mi planta, sino que es un dato que está de alguna forma integrado, que como bien dijiste tú, representa toda la cadena de valor, los distintos procesos integrados y permite conectarnos y tomar decisiones y digitalizar y armar esto que hablábamos de los gemelos digitales para poder generar escenario y simularlo. Entonces, yo diría que los silos no solamente juntan la cadena, sino que también nos permite de alguna manera organizar los datos y representarlos de una forma distinta. Y ahí quizás también se generan oportunidades que ustedes pueden explorar. Totalmente. Y creo que ahí todavía está modo de oportunidad. Porque efectivamente están las distintas salas juntas, pero el paso definitivo para decir esto funciona es que ya no solamente estén todos juntos, sino que además los sistemas conversen. Porque te voy a dar un ejemplo. está la sala de despacho, están los dos lados, pero la sala de despacho tiene el FMS-A y el chancado tiene el PI o el sistema tanto y no conversan para nada. Entonces, cuando logremos que las piezas empiecen a conversar también digitalmente, es cuando vamos a poder ver a una cadena de valor moverse en forma mucho más eficiente. Esdenco, ya estamos dentro del tiempo. Te quería agradecer, Tu participación creo que estuvo súper interesante. Hablamos de, yo diría, hartos tópicos. Hablamos de analítica de datos, definimos lo que era la inteligencia artificial, el Magic Learning, vimos cuáles eran las oportunidades que existen que van en torno a, podríamos decir, la administración de los datos y gestión de los datos de una forma más integrada. Creo que efectivamente tenemos un acuerdo ahí de que eso podría habilitar muchos casos de uso que hoy en día no los conocemos y por lo tanto podría desbloquear muchos valores. la industria. Así que de nuevo agradecerte tu participación. Y no sé si te gustaría quizás dar algún otro mensaje, algo que quieras agregar antes de que cerramos. Quiero agradecerle a ustedes por la invitación, felicitarlos por el espacio. Siempre es bienvenido que existan mayores espacios como estos. Hacer innovación en minería no es fácil. casi de locura. Por lo tanto, tener espacios como este sobre los cuales conversar, discutir acerca de la industria, de las nuevas técnicas, del ecosistema, y que todo apunte a tratar de aportar un granito de arena a la industria, me parece bienvenido. Así que muchas felicitaciones por eso. Súper, muchas gracias. Y bueno, a toda la audiencia, si les gustó, por favor, Así nos ayudan también a crecer y llegar a más personas. Nuestro objetivo es justamente llegar a esos perfiles que necesitamos en la industria, perfiles diversos que hoy en día no están de alguna manera representados. Como Sdenko, que viene de un mundo que llegó, como él mismo dijo, por suerte a la industria. Yo también llegué por suerte. Y dentro de las personas que hemos hablado también ya eso es algo que se repite. Así que queremos darle a través de nuestro podcast esa oportunidad de que Recordemos que la suerte es donde la oportunidad se une con la preparación. Así que, por favor, ahí los invito a poder compartir y crear juntos la minería del futuro.


