自由港麦克莫兰（自由港）在采矿业享有精明运营商的声誉。 该公司在美洲经营着一批相对成熟的大型铜矿。 其业绩与全球铜价紧密相关：在高价环境下，矿山产生大量现金，但在价格周期底部，一些矿山难以实现收支平衡。 该公司的增长预期需要大量资金以及漫长的许可和建设工作。 为了寻求另一条道路，自由港转向人工智能，看看是否有可能从现有资产中获得更多收益。
在为期五年的人工智能之旅中，该公司成功设计并执行了所谓的“美洲集中器”计划，旨在通过使用大数据、人工智能，释放相当于整个新加工设施的年度铜产量增量。 ，以及敏捷的工作方法。 不需要新的资本部署。
如此雄心勃勃的计划需要领导团队的全面承诺。 自由港北美业务负责人坚信，公司需要不断发展才能生存和发展，并希望学习其他行业的前沿实践。 这位“持续改进”的领导者推动团队尽可能雄心勃勃。 首席信息和创新官有远见，建立了一个通用的数据基础设施和架构来支持所有处理操作，并通过适度的定制实现跨站点快速部署人工智能工具。 这使得站点级别的大部分重点可以集中在敏捷实践、培训、能力建设和变更管理上。 首席执行官和首席财务官向外部受众宣传了该计划，为团队的努力注入了活力和鼓舞。
首先，自由港选择了一个成熟的矿山，以及一位充满热情和创业精神的总经理，作为人工智能转型计划的测试案例。 通过在亚利桑那州巴格达展示人工智能的价值，该公司试图了解机器学习 (ML)/人工智能如何增强其现有系统。
在大约六个月的时间里，一个由冶金学家、现场操作员和工程师组成的小团队致力于开发和训练人工智能模型，以建议更改设置，以安全地提高轧机加工率。 经过充分的测试和开发后，运营商运行模型并部署人工智能生成的建议。 在接下来的几个月里，铜产量增长了 5%。 一季度，巴格达矿区矿石吞吐量突破8.5万吨/日，比上一季度增长10%，铜回收率提高1个百分点，运营更加稳定。 提高吞吐量和回收率是冶金加工中一个难以实现的目标，而 Freeport 在已运行 50 多年的资产中实现了这一目标。 这些收益使自由港领导人能够将计划用于一系列改进的资金削减一半。
该公司的领导层认识到，在美洲矿山中扩大机器学习/人工智能的潜力可以使系统范围内的产量每天增加 125,000 吨，每年可以生产 2 亿磅铜，相当于 EBITDA 3.5 亿至 5 亿美元 。 这相当于将一台新的选矿厂投入生产（选矿厂将含有大约 0.4% 铜的岩石研磨成 25% 铜和 75% 岩石的细磨混合物），但无需花费 20 亿美元或等待八到十年。 重大资本项目通常需要。
随着领导层抓住机遇，自由港启动了美洲集中器计划，将人工智能功能推广到其矿山。 这项工作的主要挑战是将巴格达基地开发的能力产业化，以便扩大规模。 根据最近完成的运营绩效基准，自由港对重点关注的领域有深入的了解。 该公司在数据方面也处于领先地位。 此前，它对矿山绩效衡量和报告数据进行了标准化。 它通过在公司的卡车、铲车和固定机器上安装额外的网络设备和性能传感器来丰富数据。 该公司还建立了一个中央数据仓库来存储数据，使其能够实时捕获和关联每秒的性能读数。
快速开发人工智能模型需要改变公司的运作方式。 围绕一系列保障措施建立的规划和开发文化为公司带来了良好的效果，但它也有其缺点，主要是速度方面的缺点。 对于巴格达人工智能试点，该矿井转向了强调敏捷性、持续改进以及快速、低风险测试而不影响安全性的运营模式。 这一变革成功的关键是聚集了来自矿山的跨职能专家和一个可以评估和执行变革举措的中央数据科学小组。
公司领导做出了关键决定，将冶金学家和工厂操作员加入到每个工厂的开发团队中。 当测试阶段出现每组新的建议时，团队中的人工智能开发人员、操作员和冶金学家都会评估这些建议：为什么提出这些建议？ 他们说得有道理吗？ 他们会工作吗？ 通过这种方式，团队发现了人工智能开发人员随后快速修复的缺陷，从而帮助敏捷团队更快地学习。 该团队对人工智能工具进行了培训，从而提高了冶金学家和操作员对其的信任。 当新工具完全准备好时，他们更愿意使用它。
新的人工智能模型和交互促进了操作员和冶金学家之间的对话和对流程的更深入理解。 最初的团队开发了一个 ML 模型，他们称之为“TROI”（吞吐量、恢复、优化和智能）。 该产品有助于预测加工厂的表现以及在任何条件下可以回收多少铜。 优化算法改进了在给定特定类型矿石的情况下生产最多铜的设置，并根据操作情况每隔一到三个小时发布建议。
然而，为了使 TROI 在其他地点发挥作用，自由港必须对模型进行“资产化”。 这本质上意味着重构和重新包装它们，以便在其他工厂轻松采用。 该工具采用模块化方式构建，可轻松重用 60% 的核心代码，而其余 40% 则可针对新站点进行定制。 为了进一步简化这些本地化工作，该公司投资开发了一个集中式代码库，特定于站点的模块可以调用该代码库，而不必为每个特定模块重新创建必要的代码。
由于 Freeport 已将其数据架构迁移到云端，因此可以有效地运行和扩展这些模型。 该公司能够通过自动化许多流程来进一步利用云，例如开发数据管道，而这在以前是从数十个手动更新的电子表格中提取数据的费力过程。
随着公司敏捷团队的激增，整个流程的管理也必须不断发展。 例如，当多个敏捷团队并行运行时，获取资源变得困难。 自由港通过让一名高级产品经理负责帮助协调团队和改善分配来解决这个问题。 它指派了一名财务总监来管理影响跟踪和报告，并帮助站点管理其资金请求和进度衡量。 最后，它建立了季度计划系统（类似于季度业务回顾），公司高层领导聚集在一起制定目标和关键成果，并将资源集中在高优先级领域。
掌握了经过厨房测试的转型方案并实现了美洲集中器计划的大部分愿景后，自由港随后转向可以应用这些人工智能功能的其他业务领域。 在多个领域，包括资本项目执行、维护和浸出操作，该公司现在正在使用使美洲选矿厂项目取得成功的剧本的新版本。
