A Inteligência Artificial (IA), a robótica avançada, os sistemas cibernéticos que esbatem as linhas entre os mundos físico, digital e biológico e a produção de energia renovável fora da rede fazem parte da 4ª Revolução Industrial (também conhecida como Indústria 4.0). Todos estes componentes são aplicáveis à indústria mineira para reduzir os custos e transformar o sector num sector mais amigo do ambiente.
Naturalmente, as empresas mineiras já estão a investir nestas novas ferramentas para capitalizar os possíveis (e por vezes já tangíveis) benefícios. Embora a IA e a aprendizagem automática tenham sido as “palavras da moda” dos últimos dois anos, o futuro desta tecnologia pode ser substancial - ao contrário de tendências anteriores como as criptomoedas e a cadeia de blocos, que apenas tiveram uma adoção limitada a nível mundial. No entanto, o impacto das tecnologias avançadas de automatização pode revelar-se ambíguo.
IA: perspetiva dos consumidores e da indústria
De uma forma ou de outra, a IA existe desde os anos 50, quando os primeiros computadores foram ensinados a jogar damas com pessoas. Desde a década de 2010, temos visto sistemas de IA relativamente avançados que podem fazer traduções automáticas coerentes e vencer campeões mundiais num jogo de xadrez.
Mas o que nos vem à cabeça quando ouvimos “IA” hoje em dia são provavelmente algumas imagens e vídeos surreais, disparatados ou simplesmente falsos gerados por uma máquina, que circulam por toda a Internet. Este é um exemplo dos chamados modelos de “IA generativa”, que são capazes de fazer uma parte muito limitada daquilo que a chamada Inteligência Artificial Geral, ou uma máquina senciente, seria capaz de fazer. Até à data, a humanidade ainda não criou esta última, e há quem defende que seriam necessárias décadas, se não séculos, para que uma máquina atingisse capacidades cognitivas semelhantes às humanas.
O que utilizamos atualmente são IAs estreitas ou “fracas”, adaptadas a tarefas específicas e normalmente treinadas com grandes quantidades de dados para as realizar. A nível do consumidor, existem modelos de IA generativa para criar ilustrações, vídeos, música e textos, e ser capaz de interagir com os seres humanos numa interface amigável, como um chat de texto, por exemplo. Por outro lado, as aplicações industriais da IA na exploração mineira incluem ferramentas de exploração geológica, manutenção preditiva de equipamento e sistemas de otimização de minas, entre outros.
Tanto a IA de consumo como a IA industrial têm algumas coisas em comum: ambas são treinadas com base em dados previamente adquiridos e adaptadas a tarefas específicas.
Grandes dados, grande impacto
De acordo com um Inquérito realizado pelo grupo de reflexão Global Data, a manutenção preditiva do equipamento assume a liderança na lista de novas tecnologias a adotar pelas empresas mineiras nos próximos 2 anos. Os tempos de paragem dos camiões de transporte, do equipamento de movimentação de terras e das instalações de processamento são notoriamente dispendiosos para os mineiros - dias ou mesmo horas de inoperacionalidade podem custar dezenas de milhares de dólares. De acordo com algumas estimativas, 30% a 50% dos custos totais de exploração das minas podem ser atribuídos à manutenção, razão pela qual a otimização dos tempos de inatividade é crucial.
Fonte: Dados Globais
As empresas mineiras já estão a empregar certas ferramentas para a manutenção preditiva, utilizando a análise de dados para identificar anomalias operacionais e potenciais defeitos do equipamento, o que permite reparações atempadas antes da ocorrência de falhas. O equipamento mineiro moderno possui uma série de sensores para avaliar o seu desempenho e sinalizar quando é necessária a manutenção. No entanto, quando estes dados recolhidos numa mina (ou em várias minas) são introduzidos num sistema de IA treinado para detetar os mais pequenos desvios da norma, este pode rapidamente cruzar estes desvios, analisar os dados recolhidos anteriormente e fazer uma previsão de quando a manutenção poderá ser necessária.
Com a ascensão da Indústria 4.0 e da tecnologia de sensores, as ferramentas preditivas estão a ficar mais inteligentes e elegantes, recolhendo maiores quantidades de dados sobre os ativos mineiros para fornecer uma visão em tempo real das operações. Embora a manutenção preditiva se baseie em dados de sensores, uma IA pode identificar uma falha utilizando o chamado “gémeo digital” do equipamento do mundo real. A combinação de todos estes dados permite otimizar as operações mineiras a um nível nunca antes visto.
Os gémeos digitais não oferecem apenas benefícios em termos de manutenção: podem otimizar processos e aumentar a produtividade em toda a mina, como por exemplo na detonação e perfuração; melhorar a sustentabilidade da mina através da recolha de dados acionáveis sobre emissões operacionais, consumo de energia e água, entre outros; e, acima de tudo, melhorar a segurança, desde a formação até ao aumento das operações remotas.
O Centro de Excelência de Manutenção da BHP efectua a aprendizagem automática em grandes quantidades de dados recolhidos do seu equipamento operacional. Isto permite obter informações úteis para a manutenção preditiva de itens como camiões de transporte e melhorar a gestão da cadeia de abastecimento.
A empresa russa Norilsk Nickel, juntamente com os seus parceiros, está a desenvolver software nacional para a automatização da exploração mineira, que deverá começar a ser implementado em 2026. O sistema MAGMA ajuda no processamento de dados geológicos, na simulação das condições da mina, no desenvolvimento de infra-estruturas e na operação de trabalhos subterrâneos.
Outro caso de utilização notável da IA na indústria mineira é a análise de “grandes volumes de dados” na exploração geológica. Uma máquina pode analisar eficazmente terabytes de folhas de dados numa questão de dias ou mesmo de horas, enquanto uma equipa de geólogos qualificados demoraria meses a fazer o mesmo trabalho. Mais concretamente, a tecnologia pode aumentar a precisão da estimativa de recursos examinando padrões de dados geológicos e incorporando dados mineiros históricos. Isto ajuda as empresas mineiras a tomar decisões informadas relativamente ao investimento, ao planeamento da produção e à atribuição de recursos, maximizando, em última análise, o potencial económico dos projectos mineiros.
Por exemplo, a Botswana Diamonds adotou recentemente ferramentas de IA para a sua base de dados de exploração, a fim de ajudar numa pesquisa exaustiva de novos depósitos de diamantes e, potencialmente, de outros minerais. O sistema atua de forma semelhante a um geólogo, mas pode funcionar de forma mais rápida e eficiente. Vastos conjuntos de dados são processados através da IA, que encontra lacunas lógicas nos dados e aprende a corrigi-las. Espera-se que este exercício produza novas ideias que ofereçam alvos de perfuração anteriormente não vistos.
A IA também oferece um potencial imenso na racionalização das operações mineiras e na otimização da gestão de ativos, avaliando as métricas operacionais e identificando potenciais estrangulamentos. Os modelos preditivos baseados em IA melhoram a tomada de decisões e evitam períodos de inatividade não planeados. Além disso, a IA pode ajudar a tomar decisões “em tempo real”, ligando drones, imagens de satélite e sensores num sistema de monitorização inteligente para rastrear equipamentos em tempo real, avaliar possíveis riscos e otimizar as rotas de transporte.
Já passaram 10 anos desde que a empresa mineira britânica/australiana Rio Tinto começou a utilizar camiões de transporte totalmente autónomos. De acordo com as estimativas , a empresa cria 2,4 terabytes de dados por minuto a partir de todo o seu equipamento móvel e sensores que recolhem e transmitem dados para monitorização em tempo real.
A automatização das minas com recurso à IA pode melhorar significativamente a eficiência e a segurança nas operações mineiras: os veículos robóticos podem navegar em terrenos complexos e executar tarefas com precisão, minimizando o erro humano, reduzindo o risco de acidentes e melhorando a saúde e a segurança - desde que não sejam manipulados por agentes maliciosos ou fiquem sem capacidade de computação.
Erro do sistema
A atual iteração de ferramentas e serviços de IA recolhe continuamente informações que são notoriamente propensas ao acesso não autorizado por terceiros. Os dados sensíveis recolhidos podem incluir registos de atividade em linha, dados de geolocalização, vídeo ou áudio. Os dados roubados são, evidentemente, um pesadelo para as empresas, mas os ciberataques dirigidos à infraestrutura digital podem efetivamente encerrar uma mina totalmente automatizada e alimentada por IA, conduzindo a perdas colossais. No passado recente, assistimos ao encerramento de hospitais, redes elétricas, oleodutos e sistemas de informação de governos inteiros durante longos períodos de tempo devido a actos maliciosos.
A IA requer quantidades sem precedentes de capacidade de computação, o que se traduz numa maior utilização de energia elétrica. Num relatório de 2024, a Goldman Sachs prevê que os centros de dados dos EUA consumirão 8% de toda a energia do país até 2030, em comparação com 3% em 2022. A forma mais barata de fornecer rapidamente esta quantidade de eletricidade adicional são os combustíveis fósseis, o que poderá atrasar o encerramento de centrais de energia a carvão obsoletas e emissoras de carbono, tornando o objetivo de emissões de âmbito 4 para a indústria mineira menos exequível.
A introdução de dados de aprendizagem automática incorretos ou tendenciosos na IA pode torná-la imprecisa e os seus criadores podem nem sequer estar conscientes da existência dessa tendência. Se for utilizado um algoritmo tendencioso, este pode prejudicar as pessoas e as empresas que dependem desse algoritmo para a tomada de decisões. Os modelos de aprendizagem automática são concebidos para fazer previsões com base em dados passados e existentes e funcionam em conformidade. Além disso, um agente malicioso, se tiver acesso a um sistema de IA, pode injetar dados “maus” no algoritmo de aprendizagem automática, tornando-o instável e impreciso.
Por último, a consequência econômica da adoção mais generalizada da IA é a perda de postos de trabalho devido à automatização do fluxo de trabalho. Isto é especialmente preocupante no caso da indústria mineira, que opera frequentemente em regiões remotas onde as comunidades não têm outras oportunidades de emprego. O impacto social da IA pode ser devastador para os meios de subsistência da população local em África, na América do Sul e noutros locais.
Conclusão
A nova tecnologia de IA parece já ter um efeito transformador na indústria mineira e, com o passar do tempo, o seu contributo para o sector irá aumentar. Proporciona às empresas benefícios substanciais, melhorando simultaneamente a saúde e a segurança. Este processo é tão imparável como o próprio progresso.
No entanto, as empresas mineiras têm de decidir como atenuar os riscos associados à IA nas suas operações, seguindo simultaneamente os seus objectivos em matéria de responsabilidade social e proteção ambiental. As pessoas ainda não confia não confiam nas empresas mineiras à medida que o mundo transita para uma economia verde. Esperemos que a adoção mais generalizada de “máquinas sem emoções” numa indústria associada na mente das pessoas à destruição da natureza não resulte em desilusão e, em vez disso, melhore a opinião pública do sector por ser mais eficiente e seguro do que nunca.
Theodor Lisovoy, Director de edição, para a Rough&Polished
