Treinamentos de operadores com modelos de IA otimizam operações e reduzem o consumo de diesel
Foram 6.706,3 litros de diesel evitados e 19 t CO₂eq poupadas em 2024, além de uma redução significativa (-86%) nas atuações do freio de serviço acima de 16 km h⁻¹. Esses foram os benefícios obtidos pela Mineração Usiminas após implementar um programa de treinamento dos operadores de caminhões fora-de-estrada utilizando modelos de Gradient Boosted Trees (GBT) para isolar o impacto operacional do condutor.
Os resultados mostraram que o investimento em capacitação aliada à análise avançada de dados gera retornos tangíveis em sustentabilidade, segurança e redução de custos.
Para isso, a equipe da Usiminas desenvolveu um trabalho que buscasse: demonstrar a efetividade do treinamento de operadores quanto à eficiência energética; quantificar o diesel economizado e as emissões evitadas utilizando o portal SmartRView e corroborar o impacto positivo na segurança operacional por meio da análise de eventos críticos.
COMO O PROJETO FOI DESENVOLVIDO
As diretrizes de boas práticas operacionais para caminhões fora‑de‑estrada, sobre manutenção de haul roads, asseguram que variáveis de rodagem sejam controladas durante a coleta de dados. Modelos em árvore gradualmente reforçada (Gradient Boosted Trees), que significa aprimoramento por gradiente, têm se destacado na predição de consumo de combustíveis em frotas pesadas por capturar interações não lineares entre variáveis operacionais.
Foi então, que para aumentar a interpretabilidade, a equipe da Usiminas aplicou SHAP, um procedimento consagrado em aplicações de transporte pesado para quantificar a contribuição de cada variável sobre o consumo. Além disso, o uso de simulação para treinamento de operadores possui registros de reduções médias de 4 % a 6 % no consumo após programas estruturados.
AMOSTRAS DO PROJETO:
Caminhões monitorados: CF57, CF60, CF66, CF68 e CF77.
Operadores avaliados: 63 (29 elegíveis para freio de serviço).
CAPTAÇÃO DE DADOS:
Medidores de vazão com 99,9 % de exatidão, GPS diferencial, acelerômetro
9 eixos e altímetro barométrico.
Dados limpos e processados no SmartRView.
Dados de login de operadores do sistema de despacho da Mineração Usiminas
MODELO DE MACHINE LEARNING:
Algoritmo: Gradient Boosted Trees.
Variáveis independentes: distância, deslocamento vertical, tempo, carga útil, equipamento, operador e mês.
Métrica de impacto: variação em L h⁻¹ atribuída ao operador.
Interpretação: SHAP para validar contribuições individuais. Em resumo, o modelo permite comparar operadores de forma justa,
independentemente da rota ou carga, destacando quem precisa de treinamento adicional e quem já adota práticas exemplares.
RESULTADOS
– Diesel evitado projetado (52 semanas): 6.706,3 L.
– Economia financeira: R$ 35.945,84 (diesel a R$ 5,36 L⁻¹).
– Emissões evitadas: 19 t CO₂eq (Renovabio B14).
Os ganhos observados alinham-se às metas de eficiência energética e redução de carbono da Usiminas. A robustez dos resultados respalda a expansão do monitoramento para 100 % da frota. Sendo assim, conclui-se que o programa de treinamentos, aliado à análise de dados de alta resolução, reduziu o consumo de diesel em 0,26 L/h médio por operador, evitou 6.706,3 L de combustível e melhorou práticas de condução comprovando principalmente uma otimização nessas práticas de 86% na performance do operador quanto a atuação de freio de serviço. Tais evidências recomendam a continuidade dos treinamentos e a ampliação dos sistemas de medição.
Essa abordagem melhorou a tomada de decisões e reduziu a margem de erro para menos de 1% em comparação às medições tradicionais, resultando em uma economia de mais de US$58.000. Além disso, permitiu maior precisão na determinação do consumo do minério estocado, otimizando a fabricação dos produtos na planta.
Essa metodologia não apenas otimiza processos, mas também estabelece um novo padrão para a gestão de recursos minerais, diferenciando-se por sua eficiência, sustentabilidade e replicabilidade. “Os desvios que nos anos anteriores a gente encontrava foram identificados e reduzidos através das medições semanais com o drone e metodologias aplicadas. Com isso a gente conseguiu mensurar a produtividade da planta. Esse foi um dos grandes benefícios. O trabalho foi feito com mão de obra própria, com aquisição de drone, apenas utilizando as metodologias internas e baixo investimento”, completa Victor Cardoso.
O projeto, que seguiu a metodologia PDCA – A3, ficou em primeiro lugar no evento interno da Imerys de apresentação dos projetos de melhoria contínua da Argentina e Chile.
