Vale reduz consumo de diesel em 5% com IA e melhorias nas vias do Complexo de Mariana

Telemetria, mapas de calor e machine learning orientaram mais de 100 intervenções nas rotas de caminhões fora de estrada, com ganho de 6,3% na produtividade.

A Vale reduziu em média 5% o consumo específico de diesel dos caminhões fora de estrada no Complexo de Mariana, em Minas Gerais, após utilizar telemetria e modelos de machine learning para identificar trechos das vias com maior impacto sobre a eficiência da frota.

Leia também:Inteligência Artificial unifica dados para prever falhas em ativos críticos da planta em Tocantins

O programa orientou mais de 100 intervenções nas vias de transporte a partir de mapas de calor de vibração e intensidade de consumo de combustível.

Além da economia de diesel, a companhia registrou aumento de 9% na velocidade média dos ciclos e ganho de 6,3% na produtividade, medida em toneladas por hora.

Segundo a análise da equipe responsável pelo projeto, os ganhos também representam potencial para uma redução de até 9% da frota de transporte, mantendo a mesma massa movimentada. Esse percentual representa uma possibilidade operacional calculada a partir dos resultados, e não necessariamente uma redução de frota já realizada.

Telemetria identifica trechos que aumentam consumo dos caminhões

A estratégia parte do princípio de que as condições das vias utilizadas pelos caminhões fora de estrada interferem diretamente no desempenho da operação.

Irregularidades, inclinações e outros fatores podem aumentar vibrações, reduzir a velocidade e elevar o consumo de combustível.

Para identificar esses pontos, a Vale desenvolveu um framework de priorização de intervenções baseado em mapas de calor de vibração e consumo de diesel.

Os segmentos considerados críticos pelos modelos foram posteriormente validados por inspeções em campo.

Com isso, a manutenção das vias passou a ser direcionada por dados obtidos diretamente durante a operação dos equipamentos.

Leia também: Grafeno aumenta durabilidade de equipamentos e reduz paradas na mineração

Caminhões CAT 789D foram monitorados em alta resolução

O estudo analisou caminhões fora de estrada CAT 789D equipados com instrumentação de telemetria da Cascadia Scientific.

Os equipamentos registraram informações por meio de medidores de vazão com precisão indicada de ±0,1%, acelerômetro de nove eixos e GPS RTK.

Essa combinação permitiu relacionar características das rotas ao comportamento dos caminhões e ao consumo de combustível.

Os dados foram utilizados para produzir mapas capazes de mostrar onde estavam concentradas as maiores vibrações e os maiores níveis de consumo.

Machine learning estima consumo esperado em cada viagem

Além da telemetria, o projeto utilizou machine learning para analisar o desempenho dos caminhões.

Modelos do tipo Gradient Boosted Trees foram empregados para estimar o consumo esperado de combustível em cada viagem, controlando variáveis como distância percorrida, inclinação da rota e carga transportada.

A diferença entre o consumo efetivamente registrado e aquele estimado pelo modelo foi então transformada em indicadores percentuais.

A equipe também utilizou valores SHAP, técnica que permite interpretar modelos de machine learning e identificar quanto cada variável contribui para determinado resultado.

Dessa maneira, o sistema não apenas apontava diferenças de desempenho, mas ajudava a compreender quais fatores estavam associados a elas.

Rotas apresentaram similaridade de 95,7%

Um dos desafios da análise era determinar se os resultados obtidos com os caminhões monitorados poderiam representar o comportamento da frota em condições semelhantes.

Para isso, a equipe comparou características das rotas utilizando a métrica Histogram Intersection.

O método avaliou a sobreposição entre distribuições relacionadas a distância e inclinação das rotas.

A análise alcançou similaridade global de 95,7% entre as rotas monitoradas e não monitoradas, resultado utilizado pela equipe para sustentar a representatividade das análises para a frota considerada no estudo.

Consumo de diesel caiu 5% após intervenções

Depois de mais de 100 intervenções nas vias, a análise dos ciclos registrou redução média de 5% no consumo específico de diesel.

Segundo os autores do trabalho, o resultado ficou dentro do intervalo de 4% a 10% encontrado na literatura técnica considerada pelo estudo para intervenções equivalentes.

A melhoria das condições das vias também permitiu que os caminhões operassem com maior velocidade média.

O indicador aumentou 9% após as intervenções, considerando os ajustes de similaridade entre as rotas.

Produtividade aumentou 6,3%

O ganho de velocidade teve reflexo sobre outro indicador importante da operação: a produtividade.

A movimentação medida em toneladas por hora aumentou 6,3%.

A equipe avaliou ainda um cenário alternativo no qual o ganho de produtividade poderia ser convertido em redução da quantidade de equipamentos necessários para realizar a mesma movimentação.

Nesse cenário, os resultados indicaram potencial de hibernação de até 9% da frota de transporte, mantendo a massa transportada nos mesmos parâmetros anteriores às intervenções.

Isso significa que o ganho não precisa necessariamente ser utilizado apenas para aumentar a produção: ele também pode representar uma oportunidade de otimização da quantidade de equipamentos em operação.

Melhores vias também podem contribuir para a descarbonização

A redução do consumo de diesel adiciona uma dimensão ambiental ao ganho operacional.

Caminhões fora de estrada estão entre os equipamentos de maior consumo energético de uma operação mineral. Assim, diminuir o combustível necessário para movimentar a mesma quantidade de material contribui para reduzir as emissões associadas ao transporte.

O projeto mostra que a descarbonização da mineração não depende exclusivamente da substituição dos equipamentos a diesel por alternativas elétricas ou outros combustíveis.

Melhorias de infraestrutura, manutenção de vias, telemetria e inteligência artificial também podem reduzir o consumo energético da frota existente.

IA transforma manutenção de vias em ferramenta de produtividade

A experiência do Complexo de Mariana demonstra uma aplicação prática da inteligência artificial na mineração que conecta manutenção, produtividade e eficiência energética.

Em vez de definir as intervenções apenas a partir de inspeções convencionais, a operação utiliza dados produzidos pelos próprios caminhões para localizar os trechos que exercem maior impacto sobre seu desempenho.

Os principais resultados reportados após mais de 100 intervenções foram:

• 5% de redução média no consumo específico de diesel;
• 9% de aumento na velocidade média;
• 6,3% de ganho de produtividade;
• 95,7% de similaridade entre as rotas analisadas;
• potencial de redução de até 9% da frota, mantendo a mesma movimentação.

Segundo a equipe responsável pelo estudo, a metodologia apresenta potencial de aplicação em outras operações da Vale e também pode servir como referência para outras mineradoras.

Leia também: Gabriel é Operador de Equipamentos de Mina, na CSN Mineração

O projeto evidencia como telemetria, machine learning e manutenção orientada por dados podem transformar uma atividade aparentemente convencional — a conservação das vias de mina — em uma ferramenta para elevar produtividade e reduzir consumo de combustível.