Análisis de datos para la industria minera

Los análisis de datos se han convertido en una herramienta esencial para muchas compañías de finanzas, logística y tecnología a nivel mundial. Sin embargo, en los últimos años algunas empresas han comenzado a extender su uso para evaluar la eficiencia de industrias como la minería.

En 2019, el diario chileno El Mercurio destacó el caso de IntelliSense.io, una compañía que desarrolló una plataforma para operar y brindar recomendaciones en tiempo real para la toma de decisiones de algunas de las principales empresas mineras del país sudamericano. A partir de una combinación de Inteligencia Artificial con el modelamiento de datos fenomenológico, IntelliSense. io propuso reducir los costos operativos, mejorar el rendimiento y generar una mayor producción en operaciones de metales base y preciosos.

Sin embargo, en Estados Unidos, los principios del análisis de datos han estado enfocados en predecir la ubicación de nuevos minerales y el descubrimiento de elementos desconocidos. A finales de 2018, Shaunna Morrison, investigadora del Instituto Carnegie en Washington D.C., en conjunto con el Servicio Geológico de Estados Unidos, utilizó el análisis de redes en un estudio que llevó al descubrimiento de un nuevo tipo de cobalto.

Poco antes, Morrison coescribió un artículo en la revista científica American Mineralogist donde se afirma que la aplicación de la teoría de redes a la mineralogía llevó a predecir la existencia de 1.500 minerales en la naturaleza aún no descubiertos por la humanidad.

Data analysis for the mining industry

Data analytics have become an essential tool for many finances, logistics, and technology companies globally. However, in recent years, some companies have begun to extend their use to evaluate industries’ efficiency, such as mining.

In 2019, the Chilean newspaper El Mercurio highlighted the IntelliSense.io business case, a company that developed a platform to operate and provide real-time recommendations for decision-making in some of the leading mining companies in the South American country. IntelliSense.io, combining Artificial Intelligence with phenomenological data modeling, proposed to reduce operating costs, improve performance, and increase production in base and precious metals operations.

However, in the United States, data analysis principles have been focused on predicting new mineral locations and discovering unknown elements. At the end of 2018, Shaunna Morrison, a researcher at the Carnegie Institution in Washington, D.C., together with the U.S. Geological Survey, used Big Data network analysis in a study that led to the discovery of a new cobalt type.

Shortly before, Morrison co-wrote an article in the scientific journal American Mineralogist stating that the network theory’s application to mineralogy led to predicting the existence of 1,500 minerals in nature not yet discovered by humanity. The researcher affirms that mining companies can use this to determine the location of new mineral deposits.

Both examples have led several experts to point out that data analytics can be applied to identify and assess risks in the mining sector and efficiently focus their resources. They would even help to improve the understanding of operations, among other benefits.

Large corporations like Amazon and Netflix use data analytics to predict their customers’ habits. In mining, companies could focus this tool on studying the mineral formation patterns, as Shaunna Morrison proposes.

Other specialists indicate that the industry can take advantage of the enormous volumes of information it

La investigadora afirma que esto puede ser utilizado por las compañías mineras para determinar la ubicación de nuevos depósitos minerales.

Ambos ejemplos han llevado a varios expertos a señalar que los análisis de datos pueden aplicarse para identificar y evaluar riesgos en el sector minero y enfocar de manera eficiente sus recursos. Incluso, ayudarían a obtener un mejor entendimiento de sus operaciones, entre otros beneficios.

Grandes corporaciones como Amazon y Netflix se valen de los análisis de datos para predecir los hábitos de sus clientes. En la minería, las empresas podrían enfocar esta herramienta al estudio de los patrones formativos de los minerales, tal como propone Shaunna Morrison.

Otros especialistas indican que la industria puede aprovechar los enormes volúmenes de información que genera durante las labores de prospección, que implican almacenar la información geológica sobre composición de suelos y producción, a fin de reducir algunos costos operacionales y aumentar sus utilidades. Incluso estos datos podrían ser procesados a fin de optimizar los recursos destinados por las empresas al mantenimiento y la construcción de sus minas. Con ello, la toma de decisiones sería más efectiva a largo plazo.

En México, Edgar Gaytán y Francisco Benita propusieron en 2014 aplicar el análisis envolvente de datos (Data Envelopment Analysis) para brindar indicadores que permitieran medir la capacidad productiva del sector minero nacional. Destacaron que la eficiencia media y el total de estados plenamente eficientes en la minería tendió a disminuir entre 1998 y 2008. El estudio también identifica y cuantifica algunos factores (especialización y vinculación de la minería en la economía local) para explicar el desempeño del sector minero en entidades como Sonora, Coahuila, Chihuahua y Zacatecas, que han sido pilares de esta industria desde el periodo colonial.

Así, los análisis de datos podrían ser de gran utilidad para las empresas mineras. La información generada por las tecnologías de la información puede ser otra vía para asegurar la mejora y éxito de sus actividades, y para mantener su ventaja competitiva en el sector.

generates during prospecting, involving the storage of geological information on soil composition and production to reduce some operating costs and increase profits. This data could even be processed to optimize companies’ resources to maintain and construct their mines. Thus, decision-making would be more effective in the long term.

In Mexico, Edgar Gaytán and Francisco Benita proposed in 2014 to apply Data Envelopment Analysis (DEA) to provide indicators for measuring the productive capacity of the national mining sector. They highlighted that the average efficiency and the total number of fully efficient states in mining tended to decrease between 1998 and 2008. The study also identifies and quantifies some factors (specialization and linkage of mining in the local economy) to explain the mining sector performance in entities such as Sonora, Coahuila, Chihuahua, and Zacatecas, which have been pillars of this industry since the colonial period.

Thus, data analysis could be quite useful for mining companies. The information generated by information technologies can be another way to ensure their improvement and success and maintain their competitive advantage within the sector.