Fuego malo: De qué manera los datos mineros ayudan a priorizar las ráfagas que hay que apagar – Hexagon

Boris Karloff era la definición de un monstruo de película: duro, atemorizante, la representación misma de una pesadilla. Tenía una única debilidad: aversión al fuego. Las minas en muchos sentidos se asemejan al monstruo del Dr. Frankenstein, escabrosas, impresionantes, pero le teme a los incendios. Puede que se trate de un tipo diferente de incendio; el fuego estadístico de un valor atípico.

Los valores atípicos o outliers se definen como “un punto de datos que difiere notablemente de las demás observaciones”. Popularizados por el libro de Malcolm Gladwell con el mismo nombre, los valores atípicos presentan áreas para obtener percepciones únicas. Lograr descubrir por qué existe ese valor atípico es importantísimo para desarrollar procesos nuevos e innovadores que presenten perspectivas desconocidas y permitan encontrar mejoras radicales.

Desafortunadamente, el análisis y la resolución de valores atípicos negativos también puede desencadenar una importante pérdida de capital e inversiones. Por ejemplo, muchas veces la inundación se categoriza como la probabilidad de una cantidad de precipitaciones durante un período dado, como “inundación de 100 años” o las lluvias que provocan un nivel de inundación que estadísticamente solo sucedería una vez cada 100 años. Esto no significa que no puedan ocurrir dos inundaciones de este tipo, en dos años consecutivos. Solo quiere decir que estadísticamente es improbable. Desde el punto de vista matemático, esta es una probabilidad de 1 % x 1 % = 0,01 %. Bastante poco probable.

En su respuesta ante eventos de envergadura, las minas tienden a operar con esta misma concepción, ya sea que se trate de seguridad, pérdida de producción, fallos en grandes equipos o en planta, u otras fallas catastróficas. Ante un «incendio» se corre, se resuelve y se realizan grandes esfuerzos para ayudar a asegurar que ese «fuego» no vuelva a suceder más. Nuevamente, fuego = malo.

Una mejor respuesta es la que se obtiene con un enfoque de resolución de problemas en dos etapas impulsado por los datos. Primero, cuantificar la probabilidad de que ocurra un evento negativo. Luego multiplicar ese valor por el impacto que tendrá desde la perspectiva financiera o de la sociedad.

Ejemplo 1: falla en equipos

La falla en equipos es un ejemplo habitual de valor atípico negativo, especialmente si tiene un impacto en producción. Uno de los componentes críticos para la mayoría de las minas son las unidades de carga y acarreo. Digamos que una mina tiene dos unidades cargadoras (una cargadora a rueda y una pala/excavadora en el frente, etc.) y 10 unidades de acarreo. En términos generales podríamos estimar que cada unidad de carga trabaja con 5 unidades de acarreo. Si una cargadora queda fuera de servicio, se pierde el 50 % de producción mientras esté en reparaciones. Y a la inversa, si se descompone una unidad de acarreo, solo se pierde el 10 % de producción.

Las minas modernas miden la eficiencia de sus equipos utilizando un modelo de uso del tiempo (TUM). La asociación dedicada a guías sobre minería Global Mining Guidelines (GMG) Group ha desarrollado un buen ejemplo para esto. Mide la cantidad de tiempo que se utiliza un equipo, cuánto no se lo usa y por qué no está en uso. Digamos, por ejemplo, que los cálculos TUM indican que los tiempos de parada por reparación no programada de las palas del frente representan el 1 % de todas las horas disponibles. Por su parte, el tiempo fuera de servicio por mantenimiento no programado para el equipo de acarreo es del 10 % de esas horas, debido a que hay más modos de falla potenciales por la presencia de más subcomponente que podrían fallar, como por ejemplo frenos, neumáticos, suspensión, sistema hidráulico, capacidad de carga, etc. Es obvio que, si una pala en el frente queda inactiva, recibirá mucha atención dado que se detiene el 50 % de la producción. Pero ¿cuál es el impacto más importante a lo largo del tiempo?

Palas = 1 % de tiempo fuera de servicio por mantenimiento no programado x 50 % pérdida producción = 0,5 % de impacto total en producción.

Flota de acarreo = 10 % de tiempo fuera de servicio por mantenimiento no programado x 10 % impacto en producción = 1% impacto total en producción.

*La falla en equipos es un ejemplo habitual de valor atípico negativo, especialmente si tiene un impacto en producción.*

Es claro que una pala que va a mantenimiento no programado es un “incendio” más grande, y recordemos «fuego malo». Pero cuando se analizan los datos, los pequeños incendios que suceden con más frecuencia en la flota de acarreo tienen un impacto mayor. Si estamos concentrando los esfuerzos en un programa de mantenimiento centrado en la confiabilidad, tiene mucho más sentido empezar primero por la flota de acarreo.

Ejemplo 2: Seguridad

Los accidentes, especialmente los que involucraron muertes, siempre han recibido la máxima atención. La investigación acerca de por qué ocurrió y como evitarlo a futuro es esencial. Parte de mi trabajo con Hexagon y su multigalardonado paquete de seguridad a veces implica tratar con clientes nuevos que intentan prevenir la recurrencia de un incidente de seguridad reciente. Es habitual que comencemos con una revisión exhaustiva del evento o accidente. Aplicando marcos de referencia como la Guía para la ejecución de la gestión de los controles críticos del ICMM, analizamos los detalles y determinamos cuáles son las medidas preventivas que podrían haber evitado el accidente.

Desafortunadamente, muchas veces las operaciones pasan por alto escenarios comunes que son bien conocidos, están claramente entendidos y son fáciles de prevenir a través de una combinación de procedimientos operativos normales (PON) y tecnologías de seguridad, ante la falta de tales procedimientos. No son valores atípicos, sino más bien cuestiones típicas, sabidas de sobra y bien comprendidas. Por ejemplo, estacionar detrás del punto ciego de un camión es, en general, una violación del PON de la mina, y una tecnología de seguridad, como el sistema de intervención de vehículos MineProtect Vehicle Intervention System de Hexagon, impediría que el camión avance en reversa si el conductor no respetó el PON.

*MineProtect Vehicle Intervention System de Hexagon evita que un camión choque con un vehículo cuyo conductor pasó por alto el procedimiento operativo normal.*

También sucede lo opuesto, que el accidente o el incidente se produzca, a veces, por circunstancias inusuales que nunca podrían haberse previsto. Estos «casos extremos multivariante» generalmente implican una serie de decisiones erróneas combinadas con roturas físicas no previstas y casos de uso que la tecnología actual no podría prevenir. Equivale a una serie de eventos desafortunados -la versión para seguridad de una inundación de 100 años; una combinación de eventos que crean un caso atípico excepcional. Esto no significa que no surjan buenas ideas a partir del reanálisis de la rotura, pero puede querer decir que prevenir que no vuelva a ocurrir jamás esa serie exacta de roturas no es la situación más grave que está enfrentando la industria en general.

En este caso, podemos darle un vistazo al panorama global y ver que, en todo el mundo, todavía necesitamos concentrarnos en solucionar esos escenarios críticos que son conocidos por todos y que aún no han sido abarcados por los controles ni los PON que podrían evitarlos. La realidad de incidentes y accidentes que podemos evitar con prácticas conocidas pero que todavía no aplicamos es apabullante.

Conclusión

Priorizar es crítico para afrontar los problemas en minería. Concentrarse en una metodología apoyada en los datos nos permite diferenciar los incendios para determinar objetivamente cuáles son los más grandes según su impacto total y cuáles aparentan ser críticos por la inmediatez de su problema. Si, fuego, malo, pero concentrémonos en apagar primero los incendios con mayor impacto.

Example 1: Equipment Failure

Equipment failure is a common example of a negative outlier, especially if it impacts production. One piece of equipment critical to most mines is the loading and hauling units. Let’s say in an example mine, there are two loading units (wheel loader, face shovel/excavator, etc.) and 10 hauling units. Generically speaking, you could estimate that each loading unit handles five hauling units. If a loading unit goes down, 50% of the production is lost while it is being repaired. Conversely, if one hauling unit goes down, only 10% of the production is lost.

Modern mines measure their equipment effectiveness using a Time Utilization Model (TUM). The Global Mining Guidelines (GMG) Group has developed a good example. This measures the amount of time the equipment is used, when it is not being used, and why it is not being used. Let’s say for example, a mine’s TUM calculations show that unplanned maintenance downtime of face shovels is 1% of the total available hours. Conversely, the unplanned maintenance downtime of haulage equipment is 10% of the available hours due to more potential failure modes with more subsystems that could fail, such as brakes, tires, suspension, hydraulics, payload, etc. Obviously, if a face shovel goes down, it will receive a lot of attention as 50% of the production is stopped. But which has the biggest impact over time?

Shovels = 1% unplanned maintenance downtime x 50% production loss = 0.5% total impact to production

Haulage Fleet = 10% unplanned maintenance downtime x 10% production impact = 1% total impact to production

Equipment failure is a common example of a negative outlier, especially if it impacts production.

Clearly, the shovel going into an unplanned downtime is a larger “Fire” and remember, “Fire Bad”. But the smaller fires occurring more frequently on the haulage fleet have the greater impact when you inspect the data. If you’re focusing efforts on a Reliability Centered Maintenance program, starting with the haulage fleet makes more sense.

Example 2: Safety

Accidents, especially fatalities, should always be treated with the greatest attention. Investigating why an accident happened and how to prevent it in the future is essential. Part of working with Hexagon and its award winning safety suite sometimes means I am working with new customers who are trying to prevent the recurrence of a recent safety incident. We frequently begin with a comprehensive review of the recent incident or accident. Utilizing frameworks like the ICMM Critical Control Management Framework, we analyze the details and determine what preventative measure could have prevented the accident.

Unfortunately, these sites have often missed common scenarios that are well known, well understood, and easily prevented through a combination of standard operating procedures (SOP) and safety technology when those procedures are missing. These are not outliers, but rather typical, well known and well understood. For example, parking behind the blind spot of a truck is usually a violation of site SOPs and a safety technology like Hexagon’s MineProtect Vehicle Intervention System would prevent the truck from reversing over a vehicle whose driver neglected those SOPs.

Hexagon’s MineProtect Vehicle Intervention System prevents a truck from colliding with a vehicle whose driver neglected standard operating procedures.

Inversely, sometimes the accident or incident comes from very rare circumstances that could never be predicted. These “corner cases” usually involve a series of poor decision-making coupled with physical unplanned breakdowns and use cases that today’s technology could not prevent. It equates to a series of unfortunate events – the safety version of a 100-year flood: a combination of events creating a unique outlier. This does not mean that good ideas cannot come from reviewing the breakdown, but it may mean that preventing the exact series of breakdowns from ever happening again is not the biggest scenario facing the wider industry.

In this case, we can look at the wider industry and see that globally, we still need to focus on solving those critical scenarios that are well known and still not covered with the controls and SOPs that could prevent them. The reality that we can prevent accidents and incidents with known practices but still are not is sobering.

Conclusion

Prioritization is critical to tackling problems in mining. Focusing on a data-driven approach allows us to separate the fires into those that are objectively the biggest based on total impact, versus those that only appear on the surface to be critical because of the immediacy of the problem. Yes, fire bad, but let’s focus on stopping the most impactful fires first.