Vale reduz prejuízos com preditor de neblina por machine learning na mina do Pico (MG)
Vale e a Inovação Climática: Machine Learning Combate a Neblina na Mina do Pico
A atividade mineradora frequentemente enfrenta desafios operacionais únicos. Na Mina do Pico, parte do Complexo Vargem Grande da Vale, em Itabirito (MG), um gargalo constante é o clima. A mina, localizada a 1.586 metros de altitude, sofre com a ocorrência frequente de neblina, que no ano passado causou cinco mil horas paradas e um impacto de R$ 26 milhões no lucro da empresa.
Para contornar este fenômeno natural de difícil previsão, a equipe da Mina do Pico desenvolveu um projeto inovador: um preditor de neblina baseado em Inteligência Artificial (IA).
“Se não conseguimos acabar com a neblina, que tal, pelo menos prever quando ela acontece, para reprogramar e conseguir reduzir este impacto?” – Kíssila Ferreira, analista operacional sênior da Mina do Pico.
Do Desafio Manual ao Aprendizado de Máquina (Machine Learning)
O projeto utilizou uma metodologia ágil e foi desenvolvido em colaboração com o AI Center da Vale. Inicialmente, a tentativa de identificar manualmente a relação entre variáveis meteorológicas e a ocorrência de neblina falhou. A solução veio com o Machine Learning:
- Treinamento: O modelo de aprendizado de máquina foi alimentado com dados históricos de previsão do tempo e registros do sistema de despacho da frota (contabilizando todas as paradas por neblina).
- Modelagem: A máquina relacionou estas variáveis, criando um modelo preditor que aprende e se retroalimenta.
- Resultado: O modelo informa com 15 dias de antecedência a previsão da neblina, permitindo que a operação se prepare.
Redução de Prejuízos e Ganhos da Antecipação
Embora a precisão inicial do modelo piloto tenha sido de 51%, a capacidade de antecipação já gerou resultados relevantes. Estratégias como a realocação de estoques, negociação de manutenções preventivas de equipamentos e o aproveitamento do tempo para treinamento de funcionários são implementadas com base na previsão.
Durante o piloto, a redução nas horas paradas de máquinas resultou em uma perda evitada de 27 mil toneladas de produção, convertível em aproximadamente US$ 2,7 milhões em vendas para a Vale.
A meta atual é ambiciosa: aumentar a precisão do preditor para acima de 85%, o que trará ganhos exponenciais.
Escalabilidade e Inovação na Mineração
O projeto foi integrado ao Hub de Inovação da Vale, pois possui o potencial de ser escalável e replicável para outras operações da companhia que sofrem com fenômenos climáticos similares.
O desenvolvimento interno do modelo preditor, liderado pelas equipes de Kíssila Ferreira e Eduardo Batista, demonstra como a aplicação da Inteligência Artificial está diretamente ligada à otimização da produção, segurança e lucratividade na mineração moderna.
Leia também: Plataforma BASF Inteligent Mine usa inteligência artificial para operações de mineração
4.5