Casos de Estudio

AMG Brasil, mina Mibra (Minas Gerais) — parte de AMG Critical Materials N.V., listada en Euronext Amsterdam. Nombre, marca y resultados usados con permiso.

Aumentos bruscos en la carga circulante obligaban a cortar la alimentación — a menudo por debajo de 70 t/h — unas siete veces al día.

Un modelo predictivo de la carga circulante comanda la cinta de alimentación en tiempo real: anticipa el aumento, mantiene un nivel que el molino absorbe y vuelve a la alimentación máxima.

Mineração Aurizona (MASA), mina y planta de procesamiento de oro en Maranhão, Brasil — parte de CMOC Group desde enero de 2026

Control manual de proceso limitando la productividad y consistencia. Operadores sin capacidad de mantener parámetros óptimos 24/7 ante variaciones del mineral.

Un modelo predictivo del circuito de molienda ejecutando AI Autopilot, con setpoints enviados en tiempo real al sistema de automatización de la planta. Prueba de 25 días (10 ene – 5 feb 2024) alternando IA y control manual cada 48 horas. Implementado con SoftwareOne en AWS.

Productora global de agronegocio y bioenergía, Sudamérica. Cliente bajo NDA.

Modelos predictivos para hornos y reactores de biodiésel. Fase 1 entregada: 56,5M de lecturas de sensores en 10 meses consolidadas en un pipeline de datos curado, además de un sensor virtual con R² de 96,3% e insight de margen de catalizador.

Fase 2 en curso: modelos de rendimiento, catalizador y calidad con reentrenamiento continuo y autoaprendizaje. Los resultados de la Fase 2 son preliminares.

Fabricante global de equipos pesados. Cliente bajo NDA.

Modelo de mantenimiento predictivo y dashboard para celdas de prueba de componentes. Celdas de ~70 sensores consolidadas; baselines por variante ayudan a separar la infraestructura del banco del comportamiento del componente.

Mayo–septiembre de 2026: fundación de datos entregada; entrenamiento del modelo en curso, en plazo.