OES colocou 30 agentes de IA em caminhões de mineração e aumentou o transporte em 10%

Em uma mina de carvão a céu aberto, operam mais de 240 unidades de equipamento, e em um único turno surgem mais de 10 000 desvios da norma. Um despachante com rádio fisicamente não consegue reagir a todos. Os engenheiros da «Operatsionnoe Sovershenstvo» (OES) não trocaram o sistema de monitoramento. Em vez disso, construíram sobre ele uma camada com mais de 40 modelos e mais de 30 agentes de IA. Com a mesma frota, o transporte de massa rochosa cresceu 10%, a produtividade das escavadeiras subiu 17%, e a carga sobre o despachante caiu 60–70%.

Despachante no rádio contra 10 000 desvios

A frota é composta por caminhões de mineração BelAZ 75131 (130 toneladas) e 75306 (220 toneladas) e por mais de 25 escavadeiras. Antes da implantação, o fluxo de transporte era balanceado manualmente: o despachante olhava a tela e ligava para os motoristas. Segundo estimativa da OES, ele processa menos de 0,1% dos desvios por turno, e os relatórios clássicos registram apenas 10–20% das perdas reais.

Os problemas eram concretos. Em média, a escavadeira perdia uma viagem por turno por falta de caminhão, e o despachante só descobria isso após 10–15 minutos, quando as perdas já tinham se acumulado. Os equipamentos saíam da linha 30–40 minutos antes do fim do turno e voltavam depois do prazo, com até 25% de saídas antecipadas e retornos tardios. Um reabastecimento não planejado custava, em média, 15 minutos extras, porque ninguém escalonava as máquinas no tempo. O cliente pediu para reduzir as paradas das escavadeiras e aumentar o transporte sem mexer no sistema em operação.

Dois módulos sobre o despacho de terceiros

O primeiro módulo, o OES Truck Balance, é um balanceador de IA. Ele reúne mais de 40 modelos de diferentes tipos:

• um algoritmo neural de ETA, que calcula o tempo de chegada de cada máquina;
• um algoritmo de balanceamento, que a cada 3 minutos calcula dezenas de cenários de alocação;
• text2speech e speech2text para a comunicação por voz com os operadores.

O sistema prevê filas com 30 minutos de antecedência e gerencia as saídas para reabastecimento: duas ou mais máquinas do mesmo grupo não podem sair ao mesmo tempo. Em caso de quebras, ele redistribui a frota instantaneamente. As diretivas chegam a um tablet na cabine.

O segundo módulo, o OES MAS, é um sistema multiagente com mais de 30 agentes especializados, cada um com sua própria área de responsabilidade:

• Refuel responde pelo tempo normativo de reabastecimento de cada modelo de equipamento;
• LoadCycle acompanha os ciclos de carregamento e os desvios em relação ao plano;
• ShiftChange gerencia as trocas de turno e a alocação no início do turno;
• Speed controla a velocidade técnica em cada trecho da rota;
• Quality verifica a qualidade do carregamento;
• Idle registra as paradas;
• Navigation monitora o funcionamento do equipamento de navegação.

Cada desvio tem um ciclo de vida: evento, aviso, violação, diretiva. A escalada tem três níveis: motorista, despachante, chefe de turno. Todo desvio é convertido imediatamente em rublos, e a perda fica visível em termos financeiros.

Telemetria como gargalo

Toda a parte «inteligente» roda na nuvem, mas é alimentada por terminais Galileosky 7x e 10 instalados em toda a frota ativa. Eles coletam posição GPS, nível de combustível, parâmetros do motor, velocidade e estado da caçamba e da carroceria, com dados enviados a cada 1–5 segundos. Sensores de combustível e de pressão registram ainda os eventos de carregamento e descarga e controlam os reabastecimentos.

O caminho dos dados é este: terminal, plataforma OES IIoT, módulos de IA, tablet do motorista e interface do despachante. A plataforma recebe a telemetria e converte os dados de BelAZ, Komatsu e Caterpillar para um formato único. Tudo depende da precisão da entrada: se uma máquina «sumir» por 30 segundos ou o sensor de combustível gerar ruído, a previsão de filas se desajusta. Por isso, os terminais foram escolhidos pela resistência a vibração, poeira e variações de temperatura.

A implantação começou em 2024. De fevereiro a abril, houve um protótipo em um grupo de 3–5 escavadeiras, com balanceamento manual feito por um coordenador. Em maio, começou a operação industrial em toda a frota de caminhões de 220 toneladas e escavadeiras de 20 m³. Junho foi dedicado a experimentos com balanceamento e precisão do ETA. Em julho, foram conectados os caminhões de 130 toneladas, as escavadeiras Komatsu PC2000 e as diretivas nos tablets. Desde outubro de 2024, o sistema foi sincronizado com a alocação de equipamentos e o despacho de reabastecimentos foi automatizado.

O que foi obtido e o que considerar ao replicar

Métricas da OES:

• transporte de massa rochosa +10% com a mesma frota;
• produtividade das escavadeiras +17%;
• tempo dos caminhões em fila para carregamento −30%;
• paradas das escavadeiras −15–25%;
• ausência de caminhão junto à escavadeira durante o turno −20%;
• carga sobre o despachante −60–70%;
• 95% das diretivas são cumpridas sem ligar para o despachante;
• 100% das perdas registradas em tempo real, contra 10–20% nos relatórios clássicos;
• 15 minutos economizados a cada reabastecimento (agente Refuel);
• saídas antecipadas e retornos tardios nas trocas de turno reduzidos em 25%;
• o efeito econômico superou 20 milhões de rublos no primeiro mês de operação do MAS.

Exemplo de um turno-mestre de agosto de 2025: de 64 recomendações, 61 foram cumpridas; o plano era de 210 mil m³ e o resultado foi de 233 mil m³ (+11%).

Para quem quer repetir a abordagem, três pontos importam. Primeiro, a camada de IA pode ser construída sobre o monitoramento existente sem trocar o hardware, mas a qualidade das previsões depende da frequência e da limpeza da telemetria. Segundo, a especialização estreita dos agentes simplifica a depuração: fica claro de quem é o desvio e quanto ele custa. Terceiro, os próprios autores destacam que o resultado veio de vários fatores: os processos mudaram em paralelo, da balanceamento manual feito pelo coordenador até a adoção das diretivas pelos motoristas. Sem essa parte organizacional, os números provavelmente seriam mais modestos.