Au début d’avril, Teck Resources a mis en œuvre un nouveau système d’apprentissage automatique aux fins de maintenance prédictive des camions de transport à sa mine de charbon métallurgique de Fording River, en Colombie-Britannique. Au cours de ses trois premières semaines d’exploitation, le système a permis d’établir que 10 camions avaient besoin de maintenance, et lors de leur inspection, les mécaniciens ont relevé des problèmes nécessitant des réparations.

Le projet, lancé en octobre 2017, est le fruit d’un effort conjoint entre le groupe Digital Systems de Teck, ainsi que les surintendants et les ingénieurs d’entretien à Fording River. Teck a jeté les bases de cette technologie en 2011 en installant une plateforme numérique à l’échelle de l’entreprise et une suite d’ordinateurs et de capteurs de rendement Mobile Equipment Monitor (MEM) sur tous les camions de marque Caterpillar et Komatsu à la mine de charbon métallurgique de la société.

Le nouveau système d’apprentissage automatique, qui a été appliqué à un sous-ensemble de camions de marque Komatsu du parc de véhicules, est programmé pour détecter des défaillances précises au niveau du système électrique et de la suspension. Teck estime que les systèmes d’apprentissage automatique comme ceux-ci peuvent entraîner des économies de 2 à 4 millions de dollars par année par site en réduisant au minimum les travaux d’entretien imprévus.

À DÉCOUVRIR : L'apprentissage automatique pourrait bouleverser l'exploitation minière

Les données MEM en temps réel détectent déjà plus de 35 types de défaillances dans les camions. Les données sont compilées dans une plateforme de base de données Wenco et transmises aux surintendants de site au moyen d’alarmes de capteurs, a expliqué Kalev Ruberg, vice-président responsable des systèmes numériques et chef des technologies de l’information de Teck. Maintenant, dans le cadre d’un partenariat avec Pythian, société canadienne de solutions technologiques, et à l’aide de la plateforme Google Cloud, les mêmes données sont soumises à une série d’algorithmes personnalisés et retransmises en tant qu’alerte supplémentaire aux superviseurs responsables de l’état des biens, ce qui permet d’attirer l’attention sur les camions nécessitant des travaux d’entretien.

M. Ruberg a expliqué que Pythian crée des algorithmes à partir des données fournies par Teck concernant des défaillances survenues par le passé. « L’une des principales choses que nous avons apprises, c’est qu’il ne faut pas simplement acheter un produit standard ou charger quelqu’un d’accomplir ces tâches à distance, a-t-il dit. Les ingénieurs de Pythian ont dû se rendre sur le site pour constater sur place ce que les données signifiaient. » Les résultats actuellement diagnostiqués par le système ne comprennent que moins de 5 % de faux positifs.

Selon M. Ruberg, 60 % des travaux requis pour parachever le système concernaient la préparation de données, contre 20 % pour la mise au point d’algorithmes et 20 % pour l’organisation de l’environnement de production.

Il a indiqué que pour plusieurs sites de la mine de charbon de Teck, la prochaine étape consistait à continuer d’intégrer le système à l’échéancier régulier d’entretien des camions, à étendre le système à d’autres camions et équipements mobiles, et à utiliser les données existantes pour élargir le type de défaillances prises en compte par le système. Le système continuera à être étendu à l’ensemble des sites, dans le cadre de One Teck, le projet axé sur le numérique de Teck.