fr.wedoany.com Rapport : Le groupe Anglo American déploie un système de maintenance prédictive basé sur l’intelligence artificielle pour ses équipements dans sa mine de cuivre de Quellaveco, au Pérou, afin d’améliorer l’efficacité et la sécurité de ses opérations minières. Depuis la mise en service de l’usine de concentration en 2022, le projet a accumulé une vaste quantité de données de fonctionnement des équipements. Grâce à des outils d’apprentissage automatique, le système est capable d’identifier des schémas anormaux et de prévenir les pannes avant qu’elles n’affectent la production.

Le cœur de ce système est Aspen Mtell, un programme d’IA normative développé conjointement par Anglo American et son partenaire stratégique Emerson. Il s’agit d’un outil d’apprentissage automatique capable d’apprendre le comportement des équipements et de détecter les anomalies précurseurs de pannes. Lancé en août 2024, le projet a été officiellement activé le 27 décembre de la même année, après plusieurs mois de préparation et de tests. Sa mise en œuvre a impliqué les départements de la gestion stratégique et de la fiabilité des actifs (AS&R) et de la gestion de l’information (IM), avec le soutien de l’équipe mondiale de fiabilité d’Anglo American. La première phase du projet s’est concentrée sur quatre pompes principales acheminant la pulpe vers les hydrocyclones. Grâce à l’apprentissage automatique, le système peut désormais prédire les pannes potentielles de ces équipements plusieurs semaines à l’avance. Dans la phase suivante, l’IA sera appliquée à d’autres composants et processus opérationnels, et chaque nouvelle application permettra à la technologie d’apprendre en continu et d’améliorer ses capacités de prédiction.

Dans les domaines de l’exploration et de la planification, l’intelligence artificielle transforme les modes de travail traditionnels. Lors du forum TIS de Perumin 37, Farzi Yusufali, PDG et cofondateur de Stratum AI, a présenté l’application de sa plateforme SAIGE (Stratum AI Geospatial Estimator) dans la mine de cuivre de Candelaria-Punta del Cobrel, au Chili. Sur un gisement de type IOCG, la plateforme a utilisé les données existantes pour créer un modèle de ressources plus précis. Les résultats des tests montrent qu’avec seulement 2 200 mètres de forage (dans des blocs classés comme stériles par la méthode de krigeage traditionnelle), la plateforme a identifié et confirmé 7,7 milliers de tonnes supplémentaires de cuivre, estimées à environ 64 millions de dollars. Les teneurs en cuivre des sections clés atteignent jusqu’à 3,2 %, avec des intervalles de 12 à 59 mètres, et plus de 90 % des forages du projet ont rencontré une minéralisation économique. De plus, le modèle optimisé par IA permet de réaffecter 19 % des ressources de forage à de nouvelles opportunités à haute valeur ajoutée, et de réduire les besoins en forage de 16 % à 25 % grâce à un classement intelligent des zones à haute teneur.

En matière de modernisation réglementaire, le Service d’évaluation environnementale du Chili (SEA) a organisé en janvier dernier une présentation intitulée « Programme de modernisation technologique du SEIA », exposant au secteur minier les grandes lignes de ce programme. Ce dernier vise à moderniser le Système d’évaluation de l’impact environnemental (SEIA) en introduisant des outils numériques, l’automatisation des processus et l’intelligence artificielle. Son objectif est de traiter les données contenues dans la plateforme, qui représentent actuellement plus de 27 millions de pages et plus de 29 000 projets, pour les transformer en informations utiles et soutenir les travaux d’évaluation environnementale pour les 15 prochaines années. Cette initiative comprend la mise en œuvre de l’IA, de nouveaux flux de travail numériques, l’amélioration de l’expérience utilisateur, ainsi que l’introduction d’outils d’analyse régionale et comparative.