Preguntas Frecuentes

• Adquisición de datos: Soportamos una cartera de normas de adquisición de datos que van desde:
• Dispositivos de la IOT: MQTT es la norma predominante sobre mensajería generalmente soportada por todos los dispositivos de la IOT. La plataforma brains.app soporta XMLRPC, que es la tecnología subyacente de MQTT. A la fecha, ningún cliente ha pedido soporte para MQTT.
• Datos industriales: El protocolo DA y UA de OPC es la norma predominante para datos que siguen todos los sistemas industriales que soportan la plataforma brains.app. A la fecha, todos los clientes has solicitado este requerimiento. Habitualmente esto se da con los sistemas Soft Pi de OSI.
• Servicios web: REST en la norma predominante sobre datos de la web que es soportada.
• Datos por lotes: Soportamos todos los tipos de datos en lotes, como cargas de datos XML, CSV, XL y manuales.

• Modelado de datos: Soportamos diversas bibliotecas de modelado de datos, como Tensorflow, una Biblioteca de Acceso Abierto usada para cálculos numéricos y aprendizaje automático de gran escala. Esta se puede usar para crear gráficos de flujos de datos y operar en cualquier objeto (nube o local).

• Arquitectura de Implementación: Usamos contenedores Docker y contenedores Kubernets como la capa de orquestación de contenedores para implementar nuestra plataforma + la aplicación en cualquier medio: nube, centro de datos del cliente o despliegue local en el lugar.

Sí, la plataforma brains.app es una plataforma modular. Estamos trabajando con clientes que tienen sus propias plataformas de datos y hemos separado capas entre los algoritmos, como lago de datos e interfaz de usuario final.

Todas estas capas son modulares, conectadas por microservicios y estandarizadas, lo que nos permite ser agnósticos de la nube (host), agnósticos del lago de datos y agnósticos de la plataforma de despliegue. Brains.app puede ser desplegada como un contenedor Docker individuales en una plataforma de datos diferente o host en la nube.

Hemos implementado esto como parte de nuestro Joint Venture en Kazajistán con su gobierno, donde la localización de la plataforma era esencial. Además estamos trabajando con diversos clientes que tienen lagos de datos internos construidos en MS Azure u otros hosts de la nube.

Al crear una interfaz segura multi-acceso para ver, analizar, interpretar y cambiar funciones en una gama de actividades industriales, la plataforma brains.app desbloquea los datos y da a los usuarios toda la energía que necesitan para mejorar la productividad y la eficiencia.

Hay tres desafíos principales que la Internet de las Cosas enfrenta:

• Los datos tienden a ser almacenados en silos, lo que convierte el acceso amplio y la visión general en un desafío.
• Seguridad: debido a su naturaleza, la Internet de las Cosas requiere conectar puntos de datos múltiples con funciones de TI para producir una capacidad o funcionalidad sin datos en un silo. Esto desafía a numerosos protocolos de seguridad estándar y requiere un sistema de seguridad complejo orientado a los permisos que compartimenta los puntos de datos correctos y las funcionalidades de TI sin comprometer la eficiencia y las capacidades.
• La accesibilidad a través de numerosos dispositivos, esto es usuarios múltiples que requieren diversos tipos de funcionalidad, datos, informes, etc., crea otro desafío para la IoT. El sistema necesita ser capaz de adaptarse a un escenario de usuarios en constante fluctuación.

IntelliSense.io soluciona estos desafíos al extraer la energía de tecnologías con base en la Nube y el Aprendizaje Automático con el fin de entregar una plataforma de Aplicaciones de IA robusta para la toma de decisiones en tiempo real.

Nos centramos en la cadena de valor de la mina al mercado, donde las aplicaciones están segmentadas en:

• Mina digital
• Planta digital
• Mercados digitales

Nuestras Aplicaciones incluyen:

• Circuito espesador
• Pila acopio
• Circuito de flotación
• Bombeo de tuberías
• Circuitos de molienda
• Lixiviación en pilas
• Aplicaciones personalizadas

Son soluciones de IntelliSense.io que incluyen modelos de IA prefabricados de software y el soporte vendidos como un servicio a través de una suscripción anual. Esto deja sin efecto la necesidad de comprar servicios o licencias por hardware o software para desarrollar modelos personalizados, reduciendo con ello el costo inicial en gastos de capital y elimina la necesidad de costos altos de servicios para desarrollar y desplegar los proyectos de IA. Las aplicaciones se entregan en forma predefinida y son mantenidas al día de forma continua (incluyendo la recapacitación de los modelos) para asegurar que la aplicación entregue valor a los usuarios y escale con ellos. El nombre estándar de este modelo de negocios es “software como un servicio”.

Beneficios del modelo de negocios “OaaS”

• Rápido de implementar y escalar sin necesidad de CAPEX inicial
• Obtención de beneficios más rápidamente
• Niveles de servicio garantizados
• Relación de largo plazo con modelos adaptados y software adaptado a las necesidades y cambios del lugar
• Accesible desde cualquier lugar sin necesidad de pagos adicionales para las actualizaciones

El periodo habitual de recuperación de la inversión en tecnología es de entre 8 y 12 meses (del valor total del contrato de 5 años).

No somos expertos en equipos, pero contamos con experticia en procesos en el equipo tanto en la mina como en la planta. También usamos datos y modelos para aprender acerca del sistema y, al usar algoritmos para evaluar el desempeño, podemos predecir el desempeño futuro y hacer recomendaciones.

Tenemos experticia en el proceso minero específico y usamos datos para derivar correlaciones no lineales durante todo el proceso. Esto nos permite obtener un mejor entendimiento del sistema completo y este conocimiento del sistema se usa para optimizar el proceso. Aprovechando este conocimiento del sistema, desarrollamos modelos de predicción que predicen la conducta del proceso y luego usamos esta predicción del proceso y aplicamos restricciones financieras y técnicas a fin de deducir el punto de ajuste de control óptimo para los equipos. Estos puntos de ajuste de control se entregan de manera continua.

Creemos que la innovación fundamental consiste en entregar una optimización basada en un sistema, combinando experticia en procesos, conceptos generados a partir de datos y desplegarlos a través de un sistema de soporte de decisiones en tiempo real a fin de soportar la toma de decisiones manual y automatizada.

Combinamos modelos Physics (de primeros principios) con modelos de IA / aprendizaje automático que extraen patrones de los datos usando Redes Neurales (combinación de modelos de equipos/primeros principios y caja negra genérica) y nuestros modelos aprenden y se adaptan en tiempo real a las situaciones cambiantes. Los modelos son actualizados/mejorados de forma regular (al menos trimestralmente) para adaptarse a un sistema específico, por ejemplo las modificaciones del lugar.

Somos una de las únicas compañías en la industria minera en combinar modelos basados en la inteligencia artificial / aprendizaje automático de vanguardia con modelos físicos para crear modelos de procesos y equipos digitales. Estos modelos se usan para las predicciones de procesos que aprenden en tiempo real y se adaptan a las condiciones cambiantes, ya que ello es importante para los entornos mineros dinámicos. Usamos la optimización basada en la simulación, lo que permite que nuestros algoritmos de optimización continuos sean probados en un simulador de procesos que se duplica también como simulador de entrenamiento.

Usamos la filosofía de control predictivo para predecir el desempeño del proceso y luego aplicar restricciones de optimización tanto financieras como técnicas para recomendar los puntos de ajuste óptimos de manera continua. Al incorporar información del proceso anterior y posterior, nuestro optimizador está constantemente buscando los rangos de puntos de ajuste óptimos para procesos específicos y equipos que toman en consideración las propiedades geometalúrgicas de los materiales y el tiempo de residencia de los materiales.

No somos una compañía de controles, sino que nos centramos por completo en la entrega de optimización continua impulsada por software para  procesos, incorporando información del proceso anterior y posterior. Asumimos esto modelando todo el sistema a través del proceso del pozo al puerto y usando luego nuestros modelos de predicción para predecir la conducta del proceso futura en todo el sistema.

Los modelos de control de proceso tradicionales se degradan con el tiempo, no son flexibles para agregar nuevas variables y equipos y no son dinámicos, lo que hace necesaria la intervención de la planta para calibrarlos, mientras que los modelos de IntelliSense.io son de auto-aprendizaje, flexibles para agregar nuevos equipos y variables sin necesitar intervención del proceso.

Los sistemas Honeywell requieren que usted se actualice a las versiones nuevas del software para obtener las nuevas características, requiriendo también hardware, mientras que IntelliSense.io sigue una política de NO GASTOS DE CAPITAL que no requieren un costo inicial en hardware y que entrega también las características nuevas en forma gratuita como parte de la suscripción anual.

También somos agnósticos del sistema de control y podemos operar con cualquier plataforma de controles existente (Honeywell, ABB, etc.). Esto nos permite asegurar que su actual sistema de control podrá ser usado para operar el proceso con una eficiencia óptima. Agregamos una nueva funcionalidad a nuestro software cada trimestre que va incluida como parte de nuestra suscripción anual, mientras que Honeywell le vende nuevas actualizaciones para funcionalidades nuevas.