Proponen tecnología cuántica para anticipar fallas críticas en minería
Una prueba de concepto (PoC) desarrollada por NTT DATA, Kipu Quantum y Komatsu busca anticipar fallas críticas en los cables de palas eléctricas usadas en operaciones mineras. La iniciativa aplica aprendizaje automático cuántico para emitir alertas hasta siete días antes de que ocurra el problema. Según las empresas, esto permitiría reducir hasta en un tercio los costos asociados a fallas imprevistas, porque da margen para intervenir antes de que se vean afectados activos clave.
El proyecto responde a uno de los desafíos más costosos del sector. Cuando el cable de una pala eléctrica falla sin aviso, la operación puede detenerse, los costos de mantenimiento aumentan y se compromete la continuidad del negocio. En estos entornos, una parada no planificada puede costar hasta tres veces más que una intervención preventiva.
Un problema difícil para los métodos tradicionales
Detectar señales tempranas de desgaste no es sencillo. Los datos de los sensores llegan con mucho ruido, las fallas ocurren con poca frecuencia y las condiciones de operación cambian de un equipo a otro. Esa combinación limitaba el rendimiento de los modelos convencionales de aprendizaje automático en escenarios reales de producción.
Para superar esas barreras, los equipos recurrieron a Digitized Quantum Feature Mapping (DQFM), una técnica que convierte los datos de los sensores en nuevas representaciones capaces de revelar patrones de deterioro que los métodos clásicos no distinguen con la misma claridad. Los resultados indicaron que una mejor representación de los datos puede elevar la capacidad predictiva incluso con modelos más simples, robustos y fáciles de mantener. Además, se observó una menor correlación entre variables, lo que apunta a resultados más estables y consistentes.
De la predicción a la decisión
El piloto no se limitó a anticipar fallas. Incorporó un marco de decisión basado en costos, mediante la métrica Expected Maintenance Cost (EMC), que vincula las predicciones con acciones concretas de mantenimiento. De esta forma, ayuda a equilibrar el reemplazo anticipado de componentes frente al riesgo de falla y ofrece un criterio económico más claro para planificar.
Juan José Miranda, Head Innovation Center de la firma en Perú, destacó el alcance del enfoque: «El quantum machine learning nos permite entender mejor los datos, descubrir relaciones que antes no veíamos y convertirlas en decisiones más simples y confiables para la operación». Y añadió: «El valor de este piloto va más allá de la minería. Sectores como energía, transporte y manufactura, que enfrentan desafíos similares en la gestión de activos críticos, también pueden aplicar este enfoque para optimizar sus operaciones y reducir costos».
Por su parte, Javier Callieri, Manager Recursos Naturales e Industria en Argentina, subrayó el papel de la tecnología como habilitador: «El trabajo conjunto entre las tres compañías confirma que la tecnología es un habilitador clave para una operación más segura, eficiente y predecible. Nuestro foco está en transformar datos en decisiones que reduzcan riesgos y maximicen la continuidad operativa».
Valor práctico en la industria
Con este piloto, las tres empresas sostienen que la computación cuántica ya puede generar valor práctico en entornos industriales complejos. La combinación de conocimiento del sector, analítica avanzada y tecnologías emergentes apunta a convertir datos complejos en decisiones más oportunas, confiables y escalables para la operación minera.
(prensariotila.com)
Seguiremos brindándote más información sobre este tema en las siguientes presentaciones físicas y digitales de Channel News Perú
Mantente conectado a nuestra plataforma de negocios y revista, haciendo clic aquí y suscribiéndote a nuestro newsletter para contenido de valor diario
