Una universidad australiana quiere resolver el mayor desperdicio de datos de la minería: los que nadie usa

La Universidad de Queensland instaló un analizador mineral de última generación para investigar cómo transformar los datos geológicos generados a lo largo de la vida de una mina en mejores decisiones — no solo en informes archivados.

La Universidad de Queensland (UQ), en Australia, instaló un TESCAN Integrated Mineral Analyser (TIMA) en su Natural Resources Innovation and Characterisation Hub (NRICH). El equipo, que mide composición mineral, tamaño de grano y liberación mineral con alta precisión, apoyará la investigación de Pia Lois-Morales, geóloga especializada en geometalurgia y primera becaria de la Jim Askew Evolution Mining Fellowship, en el Sustainable Minerals Institute de la UQ.

El problema que ataca esta investigación no es la falta de datos — es lo contrario. Según Lois-Morales, las características geológicas de un yacimiento se recopilan y generan en prácticamente todas las fases de la cadena de valor de la minería, desde la exploración hasta el procesamiento, lo que convierte a la geología en una de las fuentes de información más ricas del sector. El cuello de botella es estructural: equipos como el TIMA ya existen en la industria, pero allí operan bajo presión de entregar decisiones operativas inmediatas, sin tiempo para explorar todo el potencial del dato generado. Tener el mismo equipo dentro de un entorno académico, sin esa presión de turno, abre espacio para investigar cómo recolectar mejores datos, refinar los flujos de tratamiento de datos y, sobre todo, probar cómo integrar bases de datos que hoy permanecen aisladas entre geología, mina y procesamiento — trabajo que la rutina operativa simplemente no tiene tiempo de hacer.

Toda mina acumula, a lo largo de décadas, un volumen enorme de datos geológicos que rara vez cruza la frontera entre el equipo que los recolectó y el equipo que decide, en el procesamiento o en la planificación minera, qué hacer con ese mineral. Cerrar esa brecha sin depender de más sensores o más sondajes — solo usando mejor lo que ya existe — es un tipo de ganancia que cualquier operación madura, con décadas de datos acumulados en archivo, puede replicar en cuanto el método esté validado.