Title

CONTRIBUIÇÃO DA INTELIGÊNCIA ARTIFICIAL ALINHADO ÀS PRÁTICAS DE ESG – ESTUDO DE CASO COM IMPLEMENTAÇÃO DE SENSORES EM CAMINHÕES FORA DE ESTRADA E MACHINE LEARNING*

CONTRIBUTION OF ARTIFICIAL INTELLIGENCE ALIGNED WITH ESG PRACTICES - CASE STUDY WITH IMPLEMENTATION OF SENSORS IN OFF-ROAD TRUCKS AND MACHINE LEARNING

Authorship

Araújo, Philippe Gomes de

Araújo, Philippe Gomes de

1 Articles, Downloaded 12 Times

DOI

10.5151/2594-357X-40022

Downloads

Abstract

A mineração desempenha um papel fundamental no desenvolvimento global, fornecendo matérias-primas cruciais para indústrias e comércios. No Brasil, a atividade é essencial para a economia devido à abundância de minerais no país. O transporte de material dentro das minas é uma operação de alto custo, representando cerca de 40% do custo total de produção do minério (Nüppel, 2019). A Mineração Usiminas S/A (MUSA) renovou 13 caminhões de sua frota entre 2019 e 2022, visando melhorar o desempenho e a eficiência, além de superar a obsolescência dos veículos antigos. A MUSA contratou a empresa Cascadia Scientific para monitorar o consumo de combustível e as emissões de gases de efeito estufa (GEE) em tempo real, utilizando sensores. Essa abordagem permitiu otimizar as operações e melhorar o desempenho operacional e reduzir os impactos ambientais. Os sensores também geraram mapas de calor que identificaram pontos críticos, como rampas íngremes e curvas, afetando a escolha dos trajetos. Além disso, a variação no desempenho dos operadores dos caminhões de transporte pode ter um impacto significativo na eficiência, representando um custo de mais de US$ 100.000 por caminhão/ano apenas em consumo de combustível. Os resultados obtidos foram positivos sob o ponto de vista de redução no consumo de diesel e aumento da eficiência operacional.

Mining plays a fundamental role in global development, providing crucial raw materials for industries and trade. In Brazil, this activity is essential for the economy due to the abundance of minerals in the country. Material transportation within mines is a high-cost operation, representing approximately 40% of the total ore production cost. Mineração Usiminas S/A (MUSA) renewed 13 trucks in its fleet between 2019 and 2022, aiming to improve performance and efficiency while overcoming the obsolescence of old vehicles. MUSA hired Cascadia Scientific to monitor real-time fuel consumption and greenhouse gas emissions (GHG) using sensors. This approach allowed for the optimization of operations and improved operational performance and reduce environmental impacts. The sensors also generated heat maps that identified critical points such as steep ramps and curves, affecting route selection. Additionally, variations in the performance of truck operators can have a significant impact on efficiency, representing a cost of over US$100,000 per truck/year in fuel consumption alone. The results obtained were positive in terms of reducing diesel consumption and increasing operational efficiency

Keywords

GEE; Aprendizado de Máquina; Indústria 4.0; Mapa de Calor, ESG.

GHG; Machine Learning; Industry 4.0; Heatmap, ESG.