El CCO de X Analytic by SGS explica cómo la inteligencia artificial aplicada al mantenimiento predictivo puede anticipar anomalías, programar intervenciones y evitar que los trabajadores deban responder a fallas críticas durante tormentas o cortes de rutas
Los eventos climáticos que afectaron al centro y norte del país volvieron a exponer la vulnerabilidad de las operaciones ubicadas en zonas cordilleranas o de difícil acceso. Una ruta interrumpida, la activación de una quebrada o una remoción en masa pueden impedir el ingreso de trabajadores, equipos técnicos y repuestos hacia una faena minera.
En la provincia del Huasco, las autoridades desplegaron maquinaria especializada para recuperar la conectividad hacia Alto del Carmen y San Félix. Paralelamente, Sernageomin mantuvo bajo vigilancia instalaciones mineras, depósitos de relaves y sectores expuestos a caídas de rocas y desplazamientos de material.
En esas condiciones, una anomalía que normalmente podría resolverse mediante una intervención programada corre el riesgo de transformarse en una emergencia. La imposibilidad de acceder a la operación puede prolongar una detención y aumentar la exposición de quienes deben responder bajo lluvia, nieve, viento o baja visibilidad.
Frente a ese problema, Nicolás Orellana, CCO de X Analytic by SGS, sostiene que la inteligencia artificial aplicada al mantenimiento predictivo puede entregar el tiempo necesario para intervenir antes de que las condiciones climáticas reduzcan las alternativas disponibles.
“El principal aporte de la inteligencia artificial está en la seguridad de las personas. Un mecánico no debería tener que arriesgar su vida bajo la nieve o durante una tormenta para responder a una emergencia que pudo ser detectada con varios días de anticipación”, señala Orellana.
Anticipar antes de perder el acceso
Los sistemas de mantenimiento predictivo analizan información generada por camiones, plantas, correas transportadoras y otros activos críticos. Variables como vibraciones, temperatura, consumo energético y comportamiento histórico permiten identificar señales de deterioro antes de que el equipo deje de funcionar.
La alerta temprana entrega un margen para preparar repuestos, organizar al personal técnico y ejecutar la reparación mientras todavía existen condiciones seguras. También puede permitir que una máquina sea trasladada hacia una instalación protegida antes de que una tormenta interrumpa los caminos.
La tecnología no reemplaza las inspecciones ni el conocimiento acumulado por operadores y mantenedores. Su función es aportar información para que la faena evalúe la condición del activo y determine si corresponde revisarlo, repararlo o detenerlo preventivamente.
En operaciones alejadas de los centros urbanos, ese tiempo puede resultar determinante. El corte de una ruta puede retrasar durante horas o días la llegada de especialistas y componentes, extendiendo una detención que pudo resolverse antes de la emergencia.
La analítica avanzada aplicada al mantenimiento predictivo en Chuquicamata Subterránea muestra cómo las señales operacionales pueden utilizarse para priorizar activos y programar intervenciones antes de alcanzar una falla crítica.
“Eliminar la lógica del bombero”
Orellana explica que la inteligencia artificial permite reemplazar una respuesta basada en la urgencia por una planificación anterior a la falla. El cambio busca evitar que el mantenimiento comience cuando el equipo ya se detuvo y las condiciones externas dificultan la intervención.
“La inteligencia artificial ayuda a eliminar la lógica del bombero, en la que el mecánico debe correr a reparar una falla en medio de una emergencia”, afirma.
La propuesta consiste en organizar la intervención con personal, herramientas, repuestos y medidas de seguridad definidos previamente, evitando que la presión por recuperar el equipo traslade el riesgo hacia los trabajadores.
“Al pasar hacia un modelo programado, es posible disminuir la exposición al riesgo, reducir accidentes y convertir el mantenimiento en una actividad planificada, segura y eficiente”, agrega el ejecutivo.
La transformación no depende únicamente de que un algoritmo reconozca una anomalía. Las alertas deben incorporarse a la planificación de la faena y ser compartidas entre mantenimiento, operaciones y seguridad. Una predicción que no genera una decisión continúa siendo solo un dato.
El desarrollo de flotas industriales gestionadas mediante inteligencia artificial y datos operacionales apunta precisamente a conectar el estado de los activos con decisiones sobre mantenimiento, disponibilidad y continuidad de los procesos.
Cuando el clima prolonga una detención
La continuidad de una faena depende de una cadena que incluye maquinaria, caminos, telecomunicaciones, suministro eléctrico, transporte de trabajadores y disponibilidad de repuestos. La operación puede enfrentar restricciones incluso sin registrar daños directos dentro de sus instalaciones.
Basta con que una ruta quede interrumpida para impedir el ingreso de especialistas o mantener fuera de la faena un componente necesario para recuperar un equipo. Una falla menor puede transformarse así en una detención extensa por causas externas al activo.
Cuando una anomalía coincide con lluvias intensas, nieve o remociones en masa, el tiempo de respuesta aumenta. El mantenimiento predictivo busca evitar esa coincidencia mediante señales que permitan adelantar la reparación o adoptar una detención preventiva.
Según Orellana, además de proteger a los trabajadores, la detección anticipada puede favorecer la continuidad operacional al evitar fallas mayores y detenciones prolongadas durante eventos meteorológicos. La presión sobre la infraestructura y la conectividad del norte minero está convirtiendo esta capacidad en una herramienta de seguridad y resiliencia.
La discusión adquiere mayor importancia mientras la continuidad operacional se consolida como una prioridad para la minería. Las compañías deben sostener sus procesos y, al mismo tiempo, responder a eventos que pueden restringir accesos, servicios e infraestructura crítica.
Seguridad antes que recuperación productiva
La inteligencia artificial no puede evitar una tormenta, despejar una carretera ni eliminar el riesgo de una remoción en masa. Tampoco sustituye los planes de contingencia, el monitoreo geológico o las decisiones de suspensión de una operación.
Su aporte está en entregar tiempo antes de que las condiciones reduzcan la capacidad de respuesta. Ese margen puede utilizarse para adelantar una reparación, retirar equipos desde sectores expuestos, disponer de repuestos o detener preventivamente un activo.
La efectividad del mantenimiento predictivo depende de sensores confiables, información histórica, conectividad y protocolos capaces de transformar cada alerta en una acción. También requiere trabajadores preparados para interpretar las señales y verificar la condición real de los equipos.
La resiliencia operacional no comienza cuando termina la emergencia climática. Se construye antes, mediante decisiones capaces de proteger a las personas y preparar a la faena para mantener o recuperar sus procesos.
En esa capacidad de anticipación se encuentra el cambio planteado por Nicolás Orellana: pasar desde una reparación ejecutada bajo presión hacia un mantenimiento planificado, donde la continuidad operacional no dependa de exponer trabajadores frente a condiciones que podían ser previstas.