Sistema de Seguimiento de Material y Mezcla en Tiempo Real
Sistema de seguimiento de material y optimización de mezcla en tiempo real que mantiene un gemelo digital del flujo de mineral desde los pits hasta la planta de procesamiento. Mejoró significativamente el cumplimiento de mezcla.
Contexto de Negocio
Las operaciones mineras extraen mineral de múltiples fuentes con leyes y mineralogía variables. Este material fluye a través de correas, se acumula en acopios y eventualmente llega a la planta de procesamiento. Sin visibilidad en tiempo real de lo que realmente hay en cada acopio y en cada correa, las decisiones de mezcla dependen de resultados de laboratorio diferidos — horas a días de antigüedad — y la experiencia individual del operador. La brecha de información entre extracción y procesamiento significa que el potencial de optimización se deja sistemáticamente sin explotar.
Valor Estratégico
El sistema creó visibilidad en tiempo real del flujo de mineral que simplemente no existía antes, mejorando significativamente el cumplimiento de mezcla y reduciendo la alimentación fuera de especificación a la planta de procesamiento. Dos capas sincronizadas trabajan en conjunto: una capa de seguimiento físico mantiene modelos de composición de acopios con resolución temporal y modelado de segregación (porque los acopios no son homogéneos), mientras una capa de optimización formula la mezcla como un problema de optimización restringida con simulación de escenarios. Ciclos de seguimiento horario y optimización cada 4 horas corren sobre Kedro/PySpark/Delta Lake, con despliegue multi-división compartiendo un motor central permitiendo configuración de parámetros por sitio.
El Desafío
Sin seguimiento de material, las decisiones de mezcla dependían de resultados de laboratorio diferidos (horas a días) y experiencia individual del operador. La brecha de información entre extracción minera y procesamiento en planta dejaba potencial de optimización sin explotar.
Nuestro Enfoque
Dos capas sincronizadas: Capa física de seguimiento (sensores de correa, pesómetros, modelado de composición de acopio con resolución temporal y segregación) y Capa de optimización (optimización restringida minimizando desviación de especificaciones de ley objetivo, simulación de escenarios evaluando secuencias de extracción). Configurable por división minera con motor central compartido.
Indicadores Clave de Rendimiento
| KPI | Línea Base | Resultado | Impacto |
|---|---|---|---|
| Visibilidad de Mezcla | Resultados de lab diferidos (horas a días) | Estimación de estado de acopio en tiempo real | Decisiones basadas en propiedades actuales del mineral |
| Cumplimiento de Alimentación | Corrección reactiva después de fuera de spec | Optimización proactiva de mezcla | Reducción de alimentación fuera de especificación |
| Cadencia de Decisión | Evaluación manual por turno | Seguimiento horario, optimización cada 4 horas | Ciclo de mejora continua |
Propietario — código fuente no disponible públicamente
Arquitectura
material tracking
The Information Gap
Before this system, blending decisions relied on delayed lab results — hours to days old — and individual operator experience. The mine extracts ore from multiple sources with varying grades and mineralogy. This material flows through conveyors, accumulates in stockpiles, and eventually reaches the processing plant. Without real-time visibility into what’s actually in each stockpile and on each belt, blending is educated guesswork.
The gap between extraction and processing meant optimization potential was systematically left on the table.
Two Synchronized Layers
The physical tracking layer maintains a time-resolved model of each stockpile’s composition. Conveyor sensors, weightometers, and sampling points feed continuous data. The system tracks not just what went into a stockpile, but how it’s distributed internally — segregation modeling accounts for the fact that stockpiles aren’t homogeneous. The material deposited first isn’t necessarily what comes out first during reclaim.
The optimization layer formulates blending as a constrained optimization problem: minimize deviation from target grade specifications, subject to tonnage constraints, equipment availability, and extraction sequence feasibility. The solver simulates multiple scenarios to find the best extraction plan before committing to it.
Stockpile state updates hourly. Optimization runs every 4 hours. Each mining division has its own parameter configuration but shares the core engine — a design that enabled multi-division deployment without rebuilding the system for each site.
The system runs on Kedro pipelines with PySpark and Delta Lake on Databricks, providing versioned, time-travel-capable data storage that supports both real-time tracking and historical analysis.
Stack Tecnológico
Los recursos visuales de este proyecto no están disponibles públicamente.
Este es un proyecto propietario. El código fuente y recursos externos no están disponibles públicamente.