Conferencia Magistral IMARC 2025: Cómo dominar todo el espectro de fallos en minería
4 de noviembre de 2025
En IMARC 2025, el CTO y cofundador de Razor Labs, Michael Zolotov, presentó una ponencia magistral “Dominar todo el espectro de fallos: De los activos fijos a las flotas móviles y la visión de IA”. Basándose en la experiencia de explotaciones mineras de seis continentes, Michael expuso un marco claro, basado en la ingeniería, para eliminar los puntos ciegos que siguen causando fallos críticos en los equipos, incluso en operaciones altamente instrumentadas.
Por qué siguen produciéndose fallos, a pesar de todos los sistemas existentes
Michael empezó con una pregunta sencilla pero crítica: ¿Por qué siguen produciéndose fallos catastróficos en las explotaciones mineras a pesar de disponer de SCADA, registros históricos, informes de vibraciones, análisis de aceite y alertas de los fabricantes de equipos originales?
Trazó un mapa de la cobertura típica de fallos en las minas y demostró que hasta el 75% de los fallos no se detectan debido a:
Ciclos de inspección diferidos o manuales (por ejemplo, análisis mensuales de vibraciones o aceite),
Ruido operativo que enmascara las señales reales,
Alarmas que sólo se basan en los sensores existentes y deben investigarse manualmente,
Lagunas en la cobertura de los sensores, especialmente anomalías visuales, mecánicas y contextuales.
¿Cuál es el resultado? Fallos de alto impacto que no se evitan, sólo se reacciona ante ellos.
De miles de alarmas a un puñado de causas raíz
Uno de los temas principales fue reducir la “sobrecarga de alarmas”. Michael mostró cómo el sistema de Razor Labs filtra miles de alertas diarias en un pequeño número de patrones de fallo procesablescorrelacionando automáticamente los datos de todos los sistemas (por ejemplo, presión, aceite, información de los arneses) para sacar a la luz las verdaderas causas raíz.
En un caso, lo que parecían múltiples fallos de sensores en un camión de transporte Caterpillar se remontó a un único problema con el arnés del motor, evitando costosos diagnósticos erróneos y repetidos tiempos de inactividad.
Corta el ruido operativo
Los entornos mineros son intrínsecamente ruidosos, desde las cargas útiles fluctuantes hasta las cargas variables de los motores. Ese ruido a menudo enmascara tendencias de fallo realessobre todo en sistemas como transmisiones o molinos de bolas.
Michael demostró cómo la compensación de ruido basada en IA permite al sistema extraer patrones de fallo semanas antes de que se dispare una alerta OEMdando a los equipos tiempo para actuar antes de que se produzcan daños.
IA visual: detectar lo que los sensores no pueden
Desde el mineral sobredimensionado en la descarga de la trituradora hasta las cintas transportadoras desalineadas y el tamaño de las burbujas de las celdas de flotación, algunos de los modos de fallo más importantes son simplemente invisibles para los sensores tradicionales.
Con cámaras en tiempo real y modelos de IA, Razor Labs proporciona detección precoz de:
Problemas de flujo de materiales,
Correa dañada o desalineada,
Pérdidas de recuperación en flotación,
Desgaste mecánico en empalmes, revestimientos y clips.
Cobertura holística: no sólo datos, sino contexto
Lo que diferencia a Razor Labs es su enfoque unificado: la vibración, el historiador, los datos visuales, los informes de fluidos, el comportamiento del operario y los registros de mantenimiento se tratan como piezas del mismo rompecabezas de diagnóstico.
Michael concluyó con un mensaje claro:
Sólo un sistema que conecte todos los modos de fallo -entre activos fijos, flotas móviles e inspección visual- puede reducir de forma fiable el tiempo de inactividad y evitar que se repitan.
