Blog

Jul 09, 2023

Wie Freeport KI im Bergbau anführt

Freeport-McMoRan (Freeport) genießt den Ruf eines erfahrenen Betreibers in der Bergbaubranche. Das Unternehmen betreibt eine Flotte relativ ausgereifter, großer Kupferminen in Amerika. Seine Leistung ist

Freeport-McMoRan (Freeport) genießt den Ruf eines versierten Betreibers in der Bergbaubranche. Das Unternehmen betreibt eine Flotte relativ ausgereifter, großer Kupferminen in Amerika. Seine Leistung hängt eng mit den globalen Kupferpreisen zusammen: In einem Hochpreisumfeld erwirtschaften die Minen beträchtliche Einnahmen, aber am Ende des Preiszyklus haben einige Minen Schwierigkeiten, die Gewinnschwelle zu erreichen. Die Wachstumserwartungen des Unternehmens erforderten erhebliches Kapital sowie langwierige Genehmigungs- und Bauarbeiten. Auf der Suche nach einem anderen Weg wandte sich Freeport an KI, um zu sehen, ob es möglich sei, mehr aus seinen vorhandenen Ressourcen herauszuholen.

Im Laufe einer fünfjährigen KI-Reise hat das Unternehmen erfolgreich das sogenannte „Americas' Concentrator“-Programm entworfen und umgesetzt, mit dem Ziel, durch den Einsatz von Big Data und KI das Äquivalent der jährlichen Kupferproduktion einer ganz neuen Verarbeitungsanlage zu erschließen und agile Arbeitsmethoden. Es war kein neuer Kapitaleinsatz erforderlich.

Ein solch ehrgeiziges Programm erforderte den vollen Einsatz des Führungsteams. Der Leiter des nordamerikanischen Betriebs von Freeport war überzeugt, dass sich das Unternehmen weiterentwickeln müsse, um zu überleben und zu gedeihen, und wollte von den innovativen Praktiken anderer Branchen lernen. Dieser Leiter der „kontinuierlichen Verbesserung“ trieb das Team dazu, so ehrgeizig wie möglich zu sein. Der Chief Information and Innovation Officer hatte die Weitsicht, eine gemeinsame Dateninfrastruktur und -architektur einzurichten, um alle Verarbeitungsvorgänge zu unterstützen und eine schnelle Bereitstellung von KI-Tools an allen Standorten mit bescheidenem Anpassungsaufwand zu ermöglichen. Dadurch konnte der Schwerpunkt auf Standortebene größtenteils auf agile Praktiken, Schulungen, Kompetenzaufbau und Änderungsmanagement gelegt werden. Und der CEO und der CFO machten das Programm bei einem externen Publikum bekannt und gaben dem Team Energie und Auftrieb, während es die Bemühungen vorantrieb.

Als Testfall für das KI-Transformationsprogramm wählte Freeport zunächst ein ausgereiftes Bergwerk mit einem enthusiastischen und unternehmerisch denkenden Geschäftsführer aus. Durch die Demonstration des Werts von KI in Bagdad, Arizona, wollte das Unternehmen erfahren, wie maschinelles Lernen (ML)/KI seine bestehenden Systeme verbessern könnte.

Im Laufe von etwa sechs Monaten arbeitete ein kleines Team aus Metallurgen, Standortbetreibern und Ingenieuren daran, ein KI-Modell zu entwickeln und zu trainieren, um Änderungen an den Einstellungen zu empfehlen, um die Verarbeitungsrate der Mühle sicher zu erhöhen. Nach ausreichenden Tests und Entwicklung führten die Betreiber das Modell aus und setzten die von der KI generierten Empfehlungen um. In den nächsten Monaten stieg die Kupferproduktion um 5 Prozent. In einem Quartal überstieg der Durchsatz des Standorts Bagdad 85.000 Tonnen Erz pro Tag – 10 Prozent mehr als im Vorquartal –, während die Kupfergewinnungsrate um einen Prozentpunkt stieg und der Betrieb stabiler wurde. Die Verbesserung von Durchsatz und Ausbeute ist ein schwer erreichbares Ziel in der metallurgischen Verarbeitung, und Freeport hat dies mit einer Anlage erreicht, die seit mehr als 50 Jahren in Betrieb ist. Die Gewinne ermöglichten es den Führungskräften von Freeport, das geplante Kapital für eine Reihe von Verbesserungen um die Hälfte zu kürzen.

In einem Quartal überstieg der Durchsatz des Standorts Bagdad 85.000 Tonnen Erz pro Tag – 10 Prozent mehr als im Vorquartal.

Die Führung des Unternehmens erkannte, dass die Skalierung des Potenzials von ML/KI in seinen Minen in Amerika eine systemweite Produktionssteigerung von 125.000 Tonnen pro Tag ermöglichen könnte, was 200 Millionen Pfund Kupfer pro Jahr liefern könnte, was einem EBITDA von 350 bis 500 Millionen US-Dollar entspricht .1Basierend auf einem Kupferpreis von 4 US-Dollar pro Pfund und Stückkosten von unter 2 US-Dollar pro Pfund. Dies wäre vergleichbar mit der Inbetriebnahme eines neuen Konzentrators (ein Konzentrator mahlt Gestein mit etwa 0,4 Prozent Kupfer zu einer fein gemahlenen Mischung aus 25 Prozent Kupfer und 75 Prozent Gestein), aber ohne 2 Milliarden US-Dollar auszugeben oder acht bis zehn Jahre darauf zu warten Große Kapitalprojekte erfordern normalerweise.

Da sich die Führung auf diese Chance konzentrierte, startete Freeport das Americas' Concentrator-Programm, um die KI-Fähigkeit in seinen Minen einzuführen. Die größte Herausforderung bei diesem Vorhaben bestand darin, die am Standort Bagdad entwickelten Fähigkeiten zu industrialisieren, damit sie skaliert werden können. Freeport hatte aufgrund eines kürzlich abgeschlossenen Betriebsleistungs-Benchmarks ein klares Verständnis dafür, worauf es sich konzentrieren sollte. Auch bei den Daten hatte das Unternehmen einen Vorsprung; Zuvor verfügte es über standardisierte Daten zur Messung und Berichterstattung der Minenleistung. Die Daten wurden durch die Installation zusätzlicher Netzwerkgeräte und Leistungssensoren an den Lastkraftwagen, Schaufelbaggern und stationären Maschinen des Unternehmens angereichert. Das Unternehmen baute außerdem ein zentrales Data Warehouse zur Speicherung der Daten auf, das es ihm ermöglicht, sekundengenaue Leistungswerte in Echtzeit zu erfassen und zu korrelieren.

Die schnelle Entwicklung von KI-Modellen erforderte eine Änderung der Arbeitsweise des Unternehmens. Eine Planungs- und Entwicklungskultur, die auf einer Reihe von Sicherheitsvorkehrungen aufbaute, hatte dem Unternehmen gute Dienste geleistet, hatte aber auch Nachteile, vor allem hinsichtlich der Geschwindigkeit. Für den KI-Piloten in Bagdad wurde die Mine auf ein Betriebsmodell umgestellt, bei dem Agilität, kontinuierliche Verbesserung und schnelle Tests mit geringem Risiko im Vordergrund standen, ohne die Sicherheit zu beeinträchtigen. Der Schlüssel zum Erfolg dieser Änderung lag in der Zusammenstellung einer funktionsübergreifenden Mischung aus Experten aus der Mine und einer zentralen Datenwissenschaftsgruppe, die Änderungsinitiativen bewerten und umsetzen konnte.

Die Unternehmensleitung traf die entscheidende Entscheidung, an jedem Standort Metallurgen und Anlagenbetreiber in das Entwicklungsteam aufzunehmen. Wenn während der Testphase jede neue Reihe von Empfehlungen herauskam, bewerteten die KI-Entwickler, Bediener und Metallurgen im Team die Empfehlungen: Warum wurden sie gemacht? Hatten sie Sinn? Würden sie funktionieren? Auf diese Weise deckten die Teams Schwachstellen auf, die die KI-Entwickler anschließend schnell behoben haben, was wiederum dazu beitrug, dass das agile Team schneller lernte. Das Team trainierte das KI-Tool und stärkte so das Vertrauen der Metallurgen und Betreiber in das Tool. Als das neue Tool vollständig fertig war, war die Bereitschaft, es zu nutzen, deutlich größer.

Das neue KI-Modell und die neuen Interaktionen ermöglichten einen Dialog und ein tieferes Verständnis des Prozesses zwischen Bedienern und Metallurgen. Das ursprüngliche Team hatte ein ML-Modell entwickelt, das es „TROI“ (Durchsatz, Wiederherstellung, Optimierung und Intelligenz) nannte. Mithilfe dieses Produkts konnte vorhergesagt werden, wie sich die Verarbeitungsanlage verhalten würde und wie viel Kupfer unter allen Bedingungen zurückgewonnen werden könnte. Der Optimierungsalgorithmus entwickelte Einstellungen, die bei einer bestimmten Erzart am meisten Kupfer produzieren würden, und gab je nach Betrieb alle ein bis drei Stunden Empfehlungen aus.

Damit TROI an anderen Standorten funktioniert, musste Freeport die Modelle jedoch „aktivieren“. Das bedeutete im Wesentlichen, sie umzugestalten und neu zu verpacken, damit sie in anderen Werken problemlos übernommen werden konnten. Durch den modularen Aufbau des Tools konnten 60 Prozent des Kerncodes problemlos wiederverwendet werden, während die restlichen 40 Prozent für die neue Website angepasst werden konnten. Um diese Lokalisierungsbemühungen weiter zu vereinfachen, investierte das Unternehmen in die Entwicklung einer zentralen Codebasis, auf die standortspezifische Module zugreifen konnten, anstatt den erforderlichen Code für jedes spezifische Modul neu erstellen zu müssen.

Die effiziente Ausführung und Skalierung dieser Modelle war möglich, da Freeport seine Datenarchitektur in die Cloud migriert hatte. Das Unternehmen konnte die Vorteile der Cloud weiter ausnutzen, indem es viele Prozesse automatisierte, beispielsweise die Entwicklung der Datenpipeline, die zuvor ein mühsamer Prozess war, bei dem Daten aus Dutzenden manuell aktualisierten Tabellenkalkulationen abgerufen wurden.

Da die agilen Teams des Unternehmens immer größer wurden, musste sich das Management des Gesamtprozesses weiterentwickeln. Da beispielsweise mehrere agile Teams parallel arbeiteten, wurde die Beschaffung von Ressourcen schwierig. Freeport löste dieses Problem, indem es einen leitenden Produktmanager mit der Aufgabe betraute, die Teams zu koordinieren und die Zuweisungen zu verbessern. Es wurde ein Finanzdirektor damit beauftragt, die Wirkungsverfolgung und Berichterstattung zu verwalten und den Standorten bei der Verwaltung ihrer Finanzierungsanfragen und der Fortschrittsmessung zu helfen. Und schließlich wurde ein vierteljährliches Planungssystem eingeführt (ähnlich den vierteljährlichen Geschäftsbewertungen), in dem die Top-Führungskräfte des Unternehmens zusammenkamen, um Ziele und Schlüsselergebnisse festzulegen und die Ressourcen auf Bereiche mit hoher Priorität zu konzentrieren.

Nachdem ein in der Küche erprobtes Transformationsrezept vorliegt und die Vision des Americas' Concentrator-Programms größtenteils erreicht wurde, wandte sich Freeport dann anderen Geschäftsbereichen zu, in denen diese KI-Funktionen eingesetzt werden könnten. In mehreren Bereichen, einschließlich der Durchführung von Kapitalprojekten, Wartung und Laugungsbetrieben, verwendet das Unternehmen jetzt neue Iterationen des Playbooks, das das Americas' Concentrator-Programm zu einem Erfolg gemacht hat.

Sean Buckleyist Partner im McKinsey-Büro in Dallas,Harry Robinsonist Senior Partner im Büro in Südkalifornien undRichard Sellschopist Senior Partner im Büro in Stamford, Connecticut.

Dieser Artikel wurde von Barr Seitz, einem Redaktionsleiter im New Yorker Büro, herausgegeben.