Rewired

Умный сотрудник по вопросам информации и инноваций, который предусмотрительно создал общую инфраструктуру и архитектуру данных для поддержки всех операций по обработке данных и для быстрого развертывания инструментов ИИ на всех объектах с незначительной адаптацией. Это позволило сконцентрировать внимание на уровне объектов на методах гибкого управления, обучении, наращивании потенциала и управлении изменениями.

Открытый генеральный менеджер в пилотной трансформационной площадке, который обладал творческим подходом и уверенностью в себе, чтобы пробовать новое и учиться на том, что получилось.

Главный исполнительный директор и финансовый директор, которые представляли программу внешним аудиториям, что заряжало энергией и поддерживало многопрофильную команду.

В качестве первоначального тестового примера Freeport выбрала зрелую шахту с энтузиастом-руководителем, желающим опробовать программу трансформации ИИ. Демонстрируя ценность ИИ в Багдаде, штат Аризона, компания стремилась узнать, как машинное обучение (ML)/ИИ может улучшить существующие уже развернутые системы алгоритмической аналитики и усовершенствованного управления технологическими процессами (APC). Полученные в результате улучшения заставили руководство Freeport задуматься о капитальных затратах, необходимых для запланированной серии усовершенствований, и привели к сокращению более половины запланированных капитальных затрат.

 

В течение шести месяцев небольшая команда металлургов, операторов и инженеров работала над созданием и обучением модели искусственного интеллекта, чтобы рекомендовать изменения в настройках для безопасного увеличения скорости переработки на мельнице. В течение следующих нескольких месяцев производство меди увеличилось на 5 %. В течение одного квартала производительность предприятия в Багдаде превысила 85 000 тонн руды в день - на 10 % больше, чем в предыдущем квартале, - при этом коэффициент извлечения меди вырос на один процентный пункт, а работа предприятия стала более стабильной. Повышение производительности и извлечения меди - труднодостижимая цель в металлургическом производстве, и компания Freeport добилась этого на предприятии, которое эксплуатируется уже более 50 лет.

 

Руководство компании осознало, что масштабирование потенциала ML/AI на рудниках в Северной и Южной Америке позволит увеличить производительность всей системы на 125 000 тонн в день, что даст 200 миллионов фунтов меди в год и составит 350-500 миллионов долларов EBIDTA.1 Это было бы сопоставимо с вводом в эксплуатацию новой обогатительной фабрики, но без затрат в 2 миллиарда долларов и ожидания в течение 8-10 лет, которые обычно требуют такие крупные капитальные проекты.

 

 

Приняв решение о создании новых возможностей, руководство Freeport запустило программу "Американская обогатительная фабрика", чтобы внедрить эти возможности искусственного интеллекта на своих шахтах. Ключевой задачей в этой работе было промышленное внедрение возможностей, разработанных на предприятии в Багдаде, с тем чтобы их можно было масштабировать.

 

У Freeport был прочный фундамент знаний о том, на чем следует сосредоточиться, на основе недавно завершенного контрольного показателя эффективности работы. Компания также имела преимущество в работе с данными, поскольку предварительно стандартизировала данные по измерению и отчетности о производительности рудника и обогатила их, установив дополнительное сетевое оборудование и датчики производительности на грузовиках, лопатах и стационарных машинах компании. Кроме того, для хранения этих данных было создано центральное хранилище данных, что позволило компании получать и коррелировать посекундные показания производительности в режиме реального времени.

 

Установив контрольные показатели операционной деятельности и создав прочный фундамент данных, компания обратила внимание на развитие аналитических и инженерных навыков. Они добились значительного прогресса, сформировав первый класс из 16 специалистов по анализу данных, которые пришли в компанию из инженерных или металлургических специальностей, и дополнив их внешними экспертами по анализу данных из партнерской компании. Привлечение лучших тренеров по agile, владельцев продуктов и инженеров по данным и аналитике было непростой задачей, поэтому они обратились к стратегии привлечения талантов "купить (нанять), построить (повысить квалификацию), одолжить (заключить контракт)". Такой подход позволил им сформировать кадровый резерв, который помог бы им быстро продвигаться вперед, и одновременно развивать основные навыки внутри компании, что обеспечило бы им долгосрочное конкурентное преимущество.