La adopción de una nueva plataforma tecnológica basada en Inteligencia Artificial (IA) ha permitido a OceanaGold, empresa cotizada en la Bolsa de Valores de Toronto, resolver importantes problemas de intercambio de datos entre sus equipos de geología y planificación minera.

Redactado por Colleen O’Hanlon y adaptación al castellano y revisión técnica: Eloy J. Carrillo García, Technical Support Specialist, Seequent, doctorando en el Programa de Doctorado DIMARMA, Universidad Politécnica de Madrid

Conoce el programa de actividades de Seequent en MMH 2026
Reserva una reunión con nuestro equipo
Escanea el QR

Como resultado, la compañía ha identificado más de 2.000 onzas de oro, equivalentes a unos 10 millones de dólares estadounidenses en el momento de redactar este artículo, parte de las cuales ya se han recuperado en una única zona de la mina Waihi, en Nueva Zelanda.

El descubrimiento de esta veta ramificada, que no había sido modelizada previamente, fue posible gracias a la implantación de Seequent Evo y Driver, su herramienta de inteligencia estructural. La integración de las herramientas de planificación minera de Deswik mediante Evo y la mejora de la interpretación geológica proporcionada por Driver permitieron a la empresa sustituir flujos de trabajo manuales y poco eficientes por un proceso más estratégico, apoyado en información objetiva. Los resultados incluyeron un ahorro significativo de tiempo, reducción del riesgo, mejora de la colaboración y una mayor recuperación de oro.

Willi Vigor-Brown, superintendente de Geología de Minas en la operación Waihi de OceanaGold, explicó los desafíos a los que se enfrentaba su equipo y cómo la incorporación de esta tecnología ha generado un valor significativo para la operación. Las más de 2.000 onzas indicadas representan aproximadamente un incremento del 2 % en la producción anual de la explotación y, según Vigor-Brown, existe un elevado potencial para descubrir nuevas mineralizaciones conforme Driver se aplique en otras zonas de Waihi.

EL RETO GEOLÓGICO: LA SUBJETIVIDAD EN LA MODELIZACIÓN

La mina subterránea Waihi constituye una explotación geológicamente compleja, en la que los equipos de exploración investigan nuevas vetas mientras continúan explotando mineralizaciones situadas en torno a antiguas labores mineras que, en algunos casos, superan los cien años de antigüedad. Todo ello supone un importante desafío para la modelización geológica.

  “Cualquier depósito epitermal puede ser complejo”, señaló Vigor-Brown. “En nuestro caso existen varias zonas mineras, cada una con sus propias características geológicas y estructurales. Además, trabajamos sobre mineral remanente situado alrededor de labores mineras históricas”. “Todo ello hace que se trate de un yacimiento especialmente complejo desde el punto de vista de la modelización geológica y la estimación de recursos”.

Estas características introducen inevitablemente un cierto grado de subjetividad y riesgo durante el proceso de interpretación.

“Es posible que distintos geólogos lleguen a interpretaciones diferentes a partir del mismo conjunto de datos”, afirma Vigor-Brown. “El mayor riesgo consiste en interpretar incorrectamente la geología antes de realizar una inversión importante”.

  “Disponer de un modelo geológico sólido es fundamental”. Sin esa comprensión, existe el riesgo de modelizar estructuras discontinuas como si correspondieran a una única veta. Posteriormente, cuando el avance en la explotación alcanza esa interpretación, puede comprobarse que la geometría real no coincide con el modelo”.

  EL RETO DEL FLUJO DE TRABAJO: LA FRICCIÓN EN EL INTERCAMBIO DE DATOS

  Antes de implementar un flujo de trabajo completamente integrado, el intercambio de información entre el equipo de geología, que trabajaba con Leapfrog Geo, y el equipo de planificación minera, usuario de Deswik, era un proceso manual, lento y poco eficiente.

  Según explica Vigor-Brown, el procedimiento anterior requería exportar e importar manualmente distintos tipos de archivos entre ambos programas. https://www.seequent.com/es/productos-y-soluciones/leapfrog-geo/ .

  Además, cuando los diseños mineros regresaban al entorno geológico, se perdía toda la información asociada a dichos datos, generando un importante cuello de botella en el proceso.

  Todo ello provocaba una notable fricción entre departamentos. Según Vigor-Brown, “el problema principal era el tiempo que requería el proceso y la necesidad de trabajar continuamente entre distintos programas.”

  Esta situación no sólo reducía la productividad del equipo de geología, sino que además mantenía ocupadas licencias de software que los ingenieros podían necesitar para otras tareas técnicas.

  EL PUNTO DE INFLEXIÓN: ENCONTRAR UNA NUEVA FORMA DE TRABAJAR

  La implementación de Evo, la plataforma en la nube de Seequent, junto con Driver, su herramienta de análisis estructural basada en aprendizaje automático, Machine Learning, marcó un antes y un después para el equipo de Waihi. Desde el primer momento, Vigor-Brown identificó el potencial de Driver y decidió comprobar su capacidad directamente sobre los datos de la mina.

  “Me planteé un objetivo muy concreto”, recuerda. “Quería cargar los datos en la herramienta e identificar una veta que todavía no hubiese sido modelizada. Después pretendía modelizarla, estimar sus recursos e incorporarla al modelo de vida de mina para que el equipo de ingeniería pudiera ejecutar Deswik Stope Optimiser y comprobar así los resultados obtenidos”.

  La IA incorporada en Driver es capaz de aprender automáticamente características estructurales del yacimiento, como la orientación y distribución espacial de las vetas individuales, directamente a partir de los datos brutos de los sondeos. El sistema genera una interpretación estructural objetiva que puede emplearse como apoyo durante el análisis geológico y en la construcción de los modelos del depósito.

  Como primer paso, Vigor-Brown comparó la interpretación generada por Driver con la geología conocida.

 “La correlación con los datos de control de mineralización subterránea y con la cartografía geológica de interior de mina era muy buena”, explica. “Eso me dio confianza en Driver.”

  Posteriormente, Vigor-Brown revisó los datos y detectó “un conjunto de elipsoides agrupados” en una zona donde no existía ninguna veta modelizada. Ese hallazgo resultó determinante.

  “La rapidez y precisión de Driver para identificar tendencias estructurales permite detectar vetas de menor tamaño que anteriormente podían pasar desapercibidas. En este caso, todo el proceso me llevó una hora, lo que supone un excelente retorno respecto al tiempo invertido”, señala Vigor-Brown. “Sin Driver, probablemente nunca habría identificado esta estructura y, por tanto, tampoco la habría modelizado”.

La figura de la izquierda muestra cómo los elipsoides generados por Driver pusieron de manifiesto una tendencia estructural mineralizada que no había sido modelizada a partir de los datos de los sondeos. La figura de la derecha muestra la ramificación de la veta representada mediante un wireframe tras su identificación con Driver.
Fuente: OceanaGold.

 EL IMPACTO: UN FLUJO DE TRABAJO OPTIMIZADO Y RESULTADOS CUANTIFICABLES

 El descubrimiento de esta nueva veta, correspondiente a una ramificación secundaria del yacimiento principal, tuvo un impacto inmediato y perfectamente cuantificable. Desde la identificación inicial basada en los datos hasta disponer de un modelo de bloques estimado y preparado para la planificación minera transcurrió aproximadamente una hora.

 Vigor-Brown indicó que la compañía ya había comenzado a recuperar oro procedente de esta nueva ramificación y que se habían programado nuevas campañas de perforación con el objetivo de confirmar las más de 2.000 onzas adicionales que predecía el modelo.

  Más allá del propio descubrimiento, el nuevo flujo de trabajo integrado que conecta Deswik y Leapfrog Geo mediante Evo ha supuesto una mejora sustancial en la eficiencia operativa.

  “Poder cargar rápidamente los diseños mineros en Evo, conservando todos sus atributos, y transferirlos directamente a Leapfrog sin pérdidas de información ha simplificado enormemente la revisión tanto de la planificación minera a corto plazo como a largo plazo. Ahora el proceso es mucho más rápido y, además, mucho más completo”.

Modelo geológico de Leapfrog que muestra la ramificación de veta identificada en la explotación subterránea Waihi de OceanaGold. La zona representada en color rosa corresponde a una muestra de canal de leyes elevadas de oro. Fuente: OceanaGold.

PRECISIÓN Y SOSTENIBILIDAD: REDUCIR LA HUELLA AMBIENTAL

  Además de los beneficios económicos inmediatos y de las mejoras obtenidas en los flujos de trabajo, la mayor precisión conseguida mediante este enfoque integrado contribuye a una explotación más sostenible de la operación Waihi. La capacidad para subdividir con mayor exactitud yacimientos complejos aporta importantes ventajas desde el punto de vista medioambiental, principalmente gracias a la reducción de la dilución.

En minería, la dilución corresponde al material estéril que se extrae conjuntamente con el mineral económico.

Este material debe transportarse, procesarse y almacenarse, lo que implica un mayor consumo energético y un incremento de la huella ambiental de la explotación. Una mayor precisión en los modelos geológicos permite reducir la dilución y, en consecuencia, disminuir el impacto ambiental global de la mina.

Es precisamente en este ámbito donde Vigor-Brown considera que Driver ofrece una de sus mayores oportunidades de aplicación. Mediante técnicas de aprendizaje automático, la herramienta permite analizar amplias zonas mineralizadas para identificar las vetas de alta ley contenidas dentro de estructuras de mayor tamaño.

  “Nuestro objetivo con Driver es utilizar la aplicación para definir subdominios dentro de estas vetas y así reducir al máximo la dilución”, explica. “Creo que Driver puede resultar muy eficaz para identificar las verdaderas zonas mineralizadas, generar vetas secundarias a partir de la estructura principal y transferir esa información al equipo de ingeniería para optimizar la explotación y minimizar la dilución.”

  Este enfoque más selectivo implica extraer un menor volumen de roca estéril y aporta importantes beneficios ambientales:

  • Menos generación de residuos: al dejar una mayor cantidad de roca estéril in situ, disminuye el volumen total de residuos que debe gestionarse en superficie.

  • Reducción del consumo energético: transportar y procesar menos roca estéril reduce directamente el consumo de combustible y energía, disminuyendo la huella de carbono de la explotación.

  • Voladuras más eficientes: unos modelos geológicos más precisos permiten optimizar el uso de explosivos al concentrar las operaciones únicamente sobre el material que realmente debe extraerse.

  Ryan Lee, disrector senior de producto de Seequent, destaca que esta tecnología permite a OceanaGold compatibilizar sus objetivos de producción con sus compromisos en materia de sostenibilidad, demostrando que una minería eficiente también puede ser una minería más responsable.

  PERFIL DE LA EMPRESA

  • OceanaGold es una compañía multinacional productora de oro y cobre con sede en Vancouver, que cotiza en la Bolsa de Toronto (OGC) y que prepara igualmente su incorporación en la Bolsa de Nueva York.

  • La empresa opera actualmente cuatro minas: Haile (EE. UU.), Didipio (Filipinas), Macraes y Waihi (Nueva Zelanda).

  • La operación Waihi incluye el proyecto subterráneo Martha, un yacimiento de alta ley y larga vida útil que ha revitalizado la actividad minera en la región y prolongado el horizonte productivo de Waihi. Asimismo, el proyecto subterráneo Waihi North obtuvo su aprobación mediante procedimiento acelerado en diciembre de 2025, lo que permitirá prolongar la actividad minera en la zona más allá de 2034.

  • OceanaGold mantiene un firme compromiso con una minería segura y responsable, poniendo un especial énfasis en la gestión ambiental, la inversión en las comunidades locales y la rehabilitación progresiva de las zonas explotadas.