Estudio de Productividad en Minería — IA vs Operación Manual en Molienda
Prueba industrial de 25 días en una planta de procesamiento de oro en Maranhão, Brasil, de Mineração Aurizona (CMOC Group), muestra la IA de Brainiall entregando ganancia de +6% en productividad de molienda con consumo energético similar.
1. Introducción
Nota del editor (septiembre de 2026): Mineração Aurizona forma parte de CMOC Group desde enero de 2026.
La aplicación de la inteligencia artificial de Brainiall en la industria minera se ha vuelto cada vez más relevante, permitiendo mejoras significativas en eficiencia operativa, reducción de costos y mejor rendimiento. La tecnología se aplica en diversas etapas — planificación, prospección, procesamiento y monitoreo.
Como parte de una iniciativa para explorar este sistema inteligente de control, Mineração Aurizona (CMOC Group) realizó una prueba industrial controlada en su planta de procesamiento de oro en Maranhão, Brasil, para validar la aplicación de IA de Brainiall en molienda, con el objetivo de aumentar las tasas de productividad.
2. Objetivo
El objetivo principal de este estudio fue evaluar el desempeño de la IA Brainiall en operaciones de molienda. Se realizó un análisis comparativo entre la operación manual existente y el sistema de IA, enfocándose en productividad (toneladas por hora), distribución de tamaño de partícula (p80) y consumo energético.
3. Metodología
A lo largo de dos años de colaboración entre Brainiall y el equipo de ingeniería de procesos de la productora, se desarrolló un sistema inteligente de control de molienda. Tras su implementación, se realizaron pruebas comparativas entre el sistema IA-Brainiall y la operación manual.
El período oficial de prueba abarcó del 10 de enero al 5 de febrero de 2024, alternando modos operativos cada 48 horas para considerar variaciones como tipo de roca, mezcla de alimentación, % de sólidos y tasas operativas. Se recopilaron 25 días de datos.
- Días azules: operación manual
- Días naranjas: operación Brainiall AI
- Días rojos: períodos de mantenimiento (excluidos del análisis)
- Solo se analizaron períodos con ≥85% de horas operativas activas, garantizando un dataset comparable entre IA y manual
4. Resultados y Discusión
La comparación general entre el sistema IA y la operación manual demuestra clara ventaja para Brainiall AI en productividad y eficiencia. A lo largo de 265 horas operativas para cada método, el sistema Brainiall AI procesó 115.347 toneladas de material comparado con 109.079 toneladas en la operación manual — alcanzando tasa de productividad 6% superior (435 t/h vs 412 t/h).
Esta mejora se logró con solo un aumento marginal en el consumo energético. Los valores de distribución de tamaño de partícula (p80) permanecieron consistentes entre ambos métodos, indicando que el sistema de IA mantuvo la calidad de salida mientras mejoraba el rendimiento general.
+6% productividad · 435 t/h (IA) vs 412 t/h (manual) · 115.347 toneladas procesadas (IA) vs 109.079 toneladas (manual) · Calidad p80 consistente · Delta energético marginal
5. Análisis de Roca Fresca
Para aislar el impacto en material más duro, se realizaron pruebas con alimentación de Bond Work Index (Wi) ≥ 14 kWh/t. El sistema de IA entregó aumento de productividad de 3% para materiales más duros, alcanzando tasas por encima de las especificaciones de diseño de la planta a pesar de la mayor dureza del mineral.
El sistema de IA demostró ser eficaz en diversas condiciones de dureza del mineral — una capacidad crítica a medida que las leyes declinan y la dureza aumenta en las operaciones mineras globales.
6. Estabilidad Operativa & Granulometría
La distribución granulométrica (p80) quedó prácticamente igual en ambos modos (81,54% vs 82,24% pasante en 150 mallas, Tabla 1), demostrando que la ganancia de throughput se logró sin comprometer la calidad de la molienda.
7. Intensidad Energética
La energía específica se redujo cerca de 2%: 20,7 vs 21,1 kWh/t (2.391 MWh ÷ 115.347 t y 2.305 MWh ÷ 109.079 t), con una granulometría prácticamente igual. El consumo total de energía subió 3,7% porque la planta procesó más toneladas.
8. Impacto Financiero
Si toda la alimentación fuera roca fresca, los +9 t/h medidos en mineral más duro (Tabla 2) añadirían unas 2.694 onzas al año, ≈ US$ 781 mil netos del AISC (premisas de 2024) — una proyección del informe de la prueba.
Los resultados varían con la ley del mineral, dureza y condiciones operativas específicas del sitio.