Claves
- En SQM, modelos de IA bajaron entre 10 % y 15 % la variabilidad del proceso y subieron hasta 1 % el rendimiento de nitratos.
- La arquitectura une datos de sensores, control y laboratorio sobre AVEVA PI System y la plataforma CONNECT.
- Con Torngat Metals firmó un memorando no vinculante para el proyecto de tierras raras Strange Lake, en Canadá.
Qué pasó
Schneider Electric presentó su estrategia para que las faenas mineras funcionen como plataformas definidas por software, con inteligencia artificial que conecta los datos de energía y de proceso [1]. La empresa la ordena en tres capas: dispositivos conectados que miden y controlan, computación en el borde con simulación y automatización, y aplicaciones de analítica para la gestión [1].
El caso con más cifras es el de SQM. Según Vivek Kapoor, líder global de minería, minerales y metales de Schneider Electric, los modelos predictivos y de optimización redujeron entre 10 % y 15 % la variabilidad del proceso, aumentaron hasta 1 % el rendimiento de nitratos y mejoraron entre 1 % y 3 % la eficiencia en el uso de materias primas [1]. La empresa afirma que esos modelos alcanzaron una precisión cercana a 90 % y que SQM planea extender la optimización a otras plantas [1].
Kapoor citó también trabajos anteriores: en Roy Hill, una operación de hierro de 55 Mt/año en Australia Occidental, Schneider integró mina, planta, ferrocarril y puerto en un sistema de operación remota [1]. Con Vale integró y centralizó el monitoreo de los complejos de Mariana e Itabira, en Brasil [1].
En paralelo, Schneider y Torngat Metals firmaron un memorando de entendimiento no vinculante para explorar una alianza en Strange Lake, un proyecto de tierras raras en Canadá que contempla una planta de separación y procesamiento de 15.000 t/año [1].
Cómo funciona
La propuesta parte de un problema conocido en las plantas: los datos de sensores, sistemas de control y laboratorios quedan en sistemas aislados. Schneider Electric dice que su plataforma CONNECT funciona como una columna de datos común sobre AVEVA PI System, el historiador de procesos de AVEVA, empresa que pertenece a Schneider, y que comparte esa información casi en tiempo real con plataformas de analítica en la nube [1]. En SQM, por ejemplo, los datos de operación se exponen en Databricks mediante Delta Sharing [1].
El segundo elemento es el lazo cerrado. Los modelos recomiendan razones de alimentación, temperaturas y flujos; esas recomendaciones vuelven a CONNECT y aparecen en las pantallas de los operadores, que comparan la operación real con la condición óptima sugerida [1]. En algunos casos, los ajustes de consignas pueden aplicarse de forma automática [1]. La empresa combina además modelos físicos con modelos de datos, un enfoque híbrido que también aplica al control avanzado de circuitos de molienda [1].
Por qué importa para la minería
La analítica avanzada en minería suele quedarse en pilotos: un modelo que funciona en una planta pero no llega a la operación diaria ni a otras faenas. Lo que Schneider pone en el centro no es un algoritmo, sino la infraestructura de datos y el mecanismo para que las recomendaciones lleguen a la sala de control. Ese es el punto donde muchos proyectos de ciencia de datos se traban.
El caso de SQM tiene relevancia directa para Chile: muestra cómo se mide el valor de estos modelos en una planta química y minera, con indicadores de variabilidad, rendimiento y consumo de insumos, que son los mismos que importan en concentradoras, plantas de lixiviación o refinerías. Para equipos de procesos y de datos de la región, la discusión práctica es cuánto del valor depende del modelo y cuánto de tener datos limpios, integrados y confiables.
Matices
La única fuente es International Mining, que recoge una entrevista y material de Schneider Electric: todas las cifras son datos de la empresa, sin verificación independiente ni información publicada por SQM [1]. No se informa la línea base, el período de medición ni cómo se separó el efecto de los modelos de otros cambios en la operación. La precisión de 90 % no se acompaña de la variable predicha. El acuerdo con Torngat Metals es un memorando no vinculante: describe objetivos, no un contrato ni un despliegue.
Qué viene
SQM planea ampliar la optimización de nitratos a otras plantas e incorporar datos de mantenimiento y de laboratorio, según Schneider Electric [1]. En Strange Lake, Torngat Metals prevé reunir mina, camino estacional, puerto y planta de separación, y el memorando busca que Schneider participe desde el diseño [1].
Madurez: Producción — en operación, con resultados reportados · Etapa: Procesamiento · Tecnología: IA y analítica de procesos con datos OT/IT integrados · Región: Global · Fuente original en: inglés
Referencias
- International Mining — “Schneider Electric explores technology convergence in mining” (en inglés), 10 nov 2026. im-mining.com
Edición: Alonso Aguirre. Nota elaborada a partir de las fuentes citadas; las citas en otro idioma son traducción propia.
