Il conglomerato minerario BHP descrive l’intelligenza artificiale come il modo in cui trasforma i dati operativi in decisioni quotidiane migliori. UN articolo del blog dell’azienda evidenzia l’analisi dei dati provenienti da sensori e sistemi di monitoraggio per individuare schemi e segnalare problemi per i macchinari degli impianti, offrendo ai decisori scelte che possono migliorare l’efficienza e la sicurezza, oltre a ridurre l’impatto ambientale.
Per i leader aziendali di BHP, la domanda utile non era “Dove possiamo usare l’intelligenza artificiale?” ma “Quali decisioni prendiamo ripetutamente e quali informazioni potrebbero migliorarle?”
Portfolio non vetrina
BHP descrive gli effetti end-to-end dell’intelligenza artificiale sulle operazioni o, come dice lui stesso, “dall’estrazione dei minerali alla consegna al cliente”. I leader avevano deciso di andare oltre le implementazioni pilota, trattando l’intelligenza artificiale come una capacità operativa. Tutto è iniziato con una piccola serie di problemi che hanno influito sulle prestazioni dell’azienda; luoghi in cui il cambiamento potrebbe essere misurato nei risultati.
L’azienda ha scoperto che poteva evitare tempi di fermo macchina non pianificati e ha inoltre ridotto il consumo di energia e acqua. A ogni caso d’uso che affrontava un problema piccolo ma di grande impatto è stato assegnato un proprietario e un KPI di accompagnamento. I risultati sono stati esaminati con la stessa regolarità utilizzata per il monitoraggio delle altre prestazioni operative in altre parti dell’azienda.
Dove BHP utilizza l’intelligenza artificiale quotidianamente
Oltre a concentrarsi specificamente su aree quali la manutenzione predittiva e l’ottimizzazione energetica, BHP ha preso in considerazione l’utilizzo dell’intelligenza artificiale in operazioni più avventurose ma importanti come i veicoli autonomi e il monitoraggio della salute del personale in tempo reale. Tali categorie possono adattarsi bene ad altri ambienti ad alto impiego di risorse, nella logistica, nel manifatturiero e nell’industria pesante.
Manutenzione predittiva
La manutenzione predittiva è il processo di pianificazione delle riparazioni durante i tempi di inattività programmati per ridurre guasti imprevisti e arresti costosi e non pianificati. Qui, i modelli di intelligenza artificiale analizzano i dati delle apparecchiature provenienti dai sensori di bordo e possono anticipare le esigenze di manutenzione. Ciò riduce il numero dei guasti e gli incidenti legati alla sicurezza legati alle apparecchiature. BHP esegue analisi predittive sulla maggior parte delle sue flotte di carico e trasporto e sui suoi sistemi di movimentazione dei materiali. Un centro di manutenzione centrale fornisce indicazioni in tempo reale e a lungo termine sullo stato della macchina e su potenziali guasti o deterioramenti.
La previsione è diventata parte integrante delle sue operazioni pesanti, mentre in precedenza tali informazioni venivano presentate come “solo un altro” rapporto, che poteva perdersi nella burocrazia dell’azienda. Modella e definisce le soglie che attivano azioni direttamente per i team che pianificano la manutenzione.
Ottimizzazione energetica e idrica
Implementando la manutenzione predittiva in questo modo presso le sue strutture di Escondida in Cile, l’azienda segnala un risparmio di oltre tre giga litri di acqua e 118 gigawattora di energia in due anni, attribuendo i guadagni direttamente all’intelligenza artificiale. La tecnologia offre agli operatori opzioni e analisi in tempo reale che identificano anomalie e automatizzano le azioni correttive in più strutture, inclusi concentratori e impianti di desalinizzazione.
La lezione appresa è quella di collocare l’intelligenza artificiale dove prendono le decisioni: quando gli operatori e i team di controllo possono agire in base alle raccomandazioni in tempo reale, i miglioramenti si moltiplicano. Al contrario, il reporting periodico significa che le decisioni vengono prese solo se il personale vede i risultati dei dati e poi decide che è necessario. La natura in tempo reale dell’analisi dei dati e l’uso di trigger-to-action fanno sì che le differenze diventino rapidamente evidenti.
Autonomia e operatività da remoto
BHP utilizza anche tecnologie più avanzate come veicoli e macchinari autonomi supportati dall’intelligenza artificiale. Queste sono aree ad alto rischio e si è scoperto che la tecnologia riduce l’esposizione dei lavoratori al rischio e riduce il fattore di errore umano negli incidenti. In azienda, i dati operativi complessi fluiscono attraverso i centri regionali da strutture remote. Pertanto, senza l’uso dell’intelligenza artificiale e dell’analisi, il personale non sarebbe in grado di ottimizzare ogni decisione nel modo in cui lo fa il software.
L’uso di dispositivi indossabili integrati con l’intelligenza artificiale è in aumento in molti settori, tra cui ingegneria, servizi pubblici, produzione e estrazione mineraria. BHP è all’avanguardia nella protezione del proprio personale, che spesso lavora in condizioni molto difficili. I dispositivi indossabili possono monitorare le condizioni personali, leggere la frequenza cardiaca e gli indicatori di affaticamento e fornire avvisi in tempo reale ai supervisori. Un esempio potrebbe essere la tecnologia dei sensori “intelligenti” per gli elmetti protettivi, utilizzata da BHP a Escondida, che misura l’affaticamento dei camionisti analizzando le onde cerebrali dei conducenti.
Un piano che i leader possono eseguire
Indipendentemente dal settore, i decisori possono trarre insegnamenti dalle esperienze di BHP nell’implementazione dell’intelligenza artificiale sul fronte del carbone (letteralmente). Il seguente piano potrebbe aiutare i leader nelle proprie strategie per sfruttare l’intelligenza artificiale nelle aree problematiche operative:
- Scegli un problema di affidabilità e un problema di efficienza delle risorse che i team operativi già monitorano, quindi allega un KPI.
- Mappare il flusso di lavoro: chi vedrà l’output e quali azioni potrà intraprendere?
- Metti in atto una governance di base per la qualità dei dati e il monitoraggio dei modelli, quindi esamina le prestazioni insieme ai KPI operativi.
- Inizia con il supporto decisionale nei processi ad alto rischio e automatizza solo dopo che i team hanno convalidato i controlli.
(Fonte immagine: “Shovel View at a Strip Mining Coal” di rbglasson è concesso in licenza con CC BY-NC-SA 2.0.)
Vuoi saperne di più sull’intelligenza artificiale e sui big data dai leader del settore? Guardare Fiera dell’intelligenza artificiale e dei big data che si svolge ad Amsterdam, in California, e a Londra. L’evento completo è parte di TechEx e co-localizzato con altri importanti eventi tecnologici. Clic Qui per ulteriori informazioni
AI News è alimentato da Media TechForge. Esplora altri prossimi eventi e webinar sulla tecnologia aziendale Qui.
Fonte: www.artificialintelligence-news.com
