Skip to main content
AI Autopilot — +6% de throughput en una prueba de 25 días, IA frente a operación manual en Mineração Aurizona (CMOC Group) — publicado en Brasil Mineral #441.Ver Casos
Brainiall
  • Productos
  • Sectores
  • Demo
  • Casos
  • Por que nosotros
IngresarProbar Demo en Vivo
Brainiall
IA que impulsa la economía real. Minería. Industria. Voz. Bootstrapped desde 2019.
Productos
  • AI Autopilot
  • IAs Especialistas
Sectores
  • Industrial
  • Minería
  • Energía
  • Tecnología
Empresa
  • Acerca de
  • Por qué nosotros
  • Casos
  • Artículos
  • Changelog
  • Contáctenos
Recursos
  • Precios
  • APIs para Devs
  • Docs
  • Integraciones
  • Comparativa
  • Centro de Confianza
  • DPA
  • MSA
  • Estado

Manténgase informado

Insights de IA especialista, entregados semanalmente.

© 2026 Brainiall, Inc. Todos los derechos reservados.
Política de PrivacidadTérminos de Uso
Volver a Casos
Cliente nombrado · +6% de throughputMineração Aurizona (MASA) — mina y planta de procesamiento de oro en Maranhão, Brasil; parte de CMOC Group desde enero de 2026

Mineração Aurizona — AI Autopilot en el Circuito de Molienda de Oro

Imagen ilustrativa de una planta de procesamiento de minerales
Imagen ilustrativa

La empresa

Mineração Aurizona (MASA) opera una mina y una planta de procesamiento de oro en Maranhão, Brasil. Desde enero de 2026 pertenece a CMOC Group — el mayor productor de cobalto del mundo y uno de los ocho mayores de cobre, listado en Hong Kong y Shanghái —, como parte de una adquisición de US$ 1.015 millones.

La prueba descrita aquí se realizó del 10 de enero al 5 de febrero de 2024.

Desafío

El circuito de molienda marcaba el ritmo de toda la planta — y el control manual limitaba su productividad y consistencia. Los operadores no podían sostener setpoints óptimos 24/7 mientras variaban el tipo de roca, la mezcla de alimentación y el porcentaje de sólidos.

Método

Prueba controlada de 25 días (10 de enero – 5 de febrero de 2024) en el mismo circuito de molienda, alternando operación guiada por IA y manual en ciclos de 48 horas — controlando tipo de roca, mezcla de alimentación, porcentaje de sólidos y tasas operativas.

Solo entraron al análisis períodos con ≥85% de horas operativas activas — 265 horas de operación por modo — garantizando una comparación equivalente. La prueba coronó dos años de colaboración entre Brainiall y la minera, y fue realizada en alianza con SoftwareOne sobre infraestructura de nube AWS.

Dentro del circuito

Un modelo predictivo del circuito de molienda, desarrollado durante dos años con los ingenieros de procesos de la planta, ejecutó AI Autopilot. Leía los datos de proceso en vivo del circuito y enviaba setpoints directamente al sistema de automatización de la planta en tiempo real, dentro de rangos operativos seguros, las 24 horas del día.

Un solo clic devolvía el control al operador, y los sistemas de seguridad se mantuvieron intactos durante toda la prueba.

Resultados

  • 435 t/h (IA) vs 412 t/h (manual) — +6% de throughput
  • 115.347 t procesadas bajo IA vs 109.079 t en manual, en ventanas pareadas de 265 horas
  • +3% en mineral duro (Wi ≥ 14 kWh/t), por encima de las tasas de diseño de la planta
  • Granulometría (p80) prácticamente igual — menos estrés en los equipos y recuperación más predecible en flotación
  • Energía ~2% menor por tonelada: 20,7 vs 21,1 kWh/t (informe de la prueba)
  • ≈2.694 onzas adicionales/año — ≈$781K de ganancia anual incremental (neta de AISC)

Los resultados varían con la ley del mineral y las condiciones operativas.

Confirmación del cliente

En septiembre de 2026, Mineração Aurizona confirmó por escrito que la solución fue implementada y evaluada en condiciones operativas reales, entregó resultados consistentes y cumplió con los criterios definidos para la prueba.

Fuentes

Estudio de Productividad — Brasil Mineral #441 (Jul 2024)Caso SoftwareOne

Su operación puede ser la próxima.

Un trabajo remunerado, contratado como consultoría o como la primera etapa de un proyecto: bajo NDA, estudiamos los datos de su proceso y entregamos un mapa de oportunidades priorizado y un plan de medición para una prueba controlada, IA frente a operación manual.

Agendar evaluación de planta