Productie-inzichten: Lessen uit metaal & mijnbouw (Deel 3) – Expertpanel met Axora

Welkom bij de Trend Detection podcast, powered by Senseye, een toonaangevende speler in het gebruik van AI voor schaalbare en duurzame assetprestaties en betrouwbaarheid. Deze publicatie is ontworpen om u ideeën te geven over het bereiken van onderhoudsefficiëntie.

In het derde en laatste deel van onze serie over wat fabrikanten kunnen leren van de metaal- en mijnbouwindustrie, ben ik opnieuw vergezeld door Joe Carr van Axora. U kunt deel één hier en deel twee hier beluisteren.

Tijdens de episode over wat fabrikanten kunnen leren van de metaal- en mijnbouwindustrie, worden we opnieuw vergezeld door Joe Carr van Axora om te bespreken welke onderhoudspraktijken metaal- en mijnbouwbedrijven volgen, waarom machine-uptime cruciaal is en hoe het hebben van te veel machinedata uitdagend blijkt.

Abbonneer u via uw favoriete podcastprovider (Apple, Google en Spotify) als u op de hoogte wilt worden gehouden van toekomstige episodes en laat ons uw feedback weten door een review te achterlaten.

Transcript

Belangrijkste onderwerpen (klik om naar de sectie te springen)

1. De belangrijkste onderhoudspraktijken in de metaal- en mijnbouwindustrie
2. Het benutten van machinedata in metaal- en mijnbouw
3. AI en Machine Learning use cases in metaal- en mijnbouw
4. Duurzaamheid in metaal- en mijnbouw
5. Casestudy: Alcoa

Niall Sullivan, Senseye: Ja, dat is het, Joe. Dat is interessant, je noemt onderhoud omdat dat waar ik naartoe wilde. Opnieuw, denkend vanaf een startpunt, en je zult waarschijnlijk zeggen dat het een case-by-case basis is, maar in het algemeen, wat zijn de belangrijkste onderhoudspraktijken die momenteel worden toegepast?

Wat volgen deze metaal- en mijnbouwbedrijven? Is het reactief onderhoud? Is het zoals je voorstelde dat ze elke 4.000 dagen of zo veranderen? In het algemeen, welke praktijk volgen ze momenteel qua onderhoud?

Joe Carr, Axora: In de mijnbouw- en metaalwereld is uptime de sleutel. Honderd procent, uptime is het belangrijkste, omdat het veel lijkt op een vliegtuigstoel: als ik in die tijd niet produceer, kan ik het nooit meer terugkrijgen. Zodra het vliegtuig opstijgt en de stoel niet verkocht is, kan ik die stoel nooit meer terugkrijgen om te verkopen. Hetzelfde geldt als je een raffinaderij runt: als je een uur lang geen koper produceert, is dat uur voorbij. Ik krijg die productie nooit meer terug.

Uptime is de sleutel. De industrie wil zeker niet reactief draaien. Er zal altijd een bepaald niveau van reactief onderhoud zijn. Dat zal altijd gebeuren. Maar als industrie willen we dat de uitzondering is, niet de regel. Behalve reactief onderhoud, wat we niet willen, heb je gepland en preventief onderhoud.

Er is zeker een mengvorm. Weer, zoals gezegd, is het bedrijf per bedrijf. We zien dat bepaalde dingen, vooral... Bijvoorbeeld vrachtwagens. Dat is een geweldig voorbeeld. We hebben vandaag veel sensoren in vrachtwagens die ons vertellen hoe de motor werkt, de remmen, en al die dingen. In die plekken kunnen we meer voorspellend zijn in het begrijpen hoe lang een component nog meegaat voordat het faalt, dus dat bestaat.

Dan zijn er gebieden waar het puur gepland is. We veranderen dat elke 5.000 uur. Waarom veranderen we het elke 5.000 uur? Dat is wat de fabrikant aanbeveelt. Of dat correct is, is ter discussie.

Het is zeker een mix vandaag. Ik denk, ideaal zou de hele industrie voorspellend willen draaien. We willen AI, sensordata en machine learning ons vertellen wanneer dingen gaan falen, honderd uur voordat ze falen, zodat we ze net op tijd kunnen vervangen.

Daar komt een kwestie van planning. We kunnen niet alles net voor het breken repareren. We moeten een mate van planning hebben, maar er zijn significante kostenbesparingen en voordelen voor uptime door de levensduur van componenten te maximaliseren. In het feit dat als ik die vrachtwagen 10 uur langer kan laten draaien dan ik wilde. En ik kan plannen om het af te zetten wanneer ik een beschikbare ruimte heb, in plaats van het op te stallen en in de wachtrij te zetten voor een dag terwijl ik iets anders doe, want dat is verlopen productie.

Ik denk dat vandaag, toen ik in operaties werkte, we streefden naar hoge achttienden in uptime. 88% was over het algemeen het soort ding. Met beter voorspellend onderhoud als we dat in de achttienden en negentig kunnen krijgen, zijn er massive voordelen. Er zijn massive voordelen voor het mijnbouwbedrijf. Er zijn massive voordelen voor de maatschappij, want we kunnen meer metalen produceren met dezelfde hoeveelheid assets die we hebben. We hoeven geen nieuwe mijn te openen. We kunnen blijven produceren uit de mijnen die we hebben, en efficiënter zijn met de apparatuur die we hebben.

Niall Sullivan, Senseye: Er zit een mix van strategieën in wat je zegt. Je hebt duidelijk voorspellend onderhoud aangeraakt, wat een heel duidelijk belang heeft vanuit mijn oogpunt.

Van alles wat je zei, is het duidelijk dat voorspellend onderhoud काफी veel waarde zou toevoegen. Hoe goed wordt dat omarmd? Het kan zijn dat voorspellend onderhoud nog een groeiende markt is en nog niet echt opgegroeid is.

We noemden digitale transformatie eerder en enkele van de problemen daar, maar is voorspellend onderhoud en de voordelen breed bekend? Of is het breed bekend en omarmen ze het niet om de redenen die je eerder aanhaalde, te maken met beveiligingszorgen en die kant?

Joe Carr, Axora: Ja, het is echt breed bekend. Onderhoudsoplossingen zijn een van de grootste in de industrie.

Opnieuw, het komt erop neer dat het zo makkelijk is om de waarde te berekenen. Het is zo makkelijk om te zeggen: "Wat levert 1% meer uptime mij op?" De reserveonderdelen die zeilen in reserveonderdelen, zijn altijd geweldig, maar ze vervagen tot onbetekenis ten opzichte van hun productie.

Als het ons meer kost om de mijn te runnen dan het materiaal te produceren, zouden we geen mijn hebben. Dat is niet hoe de mijnbouwindustrie werkt, zoals elk bedrijf. Er zijn altijd massive voordelen. Ik denk dat het primaire probleem is dat het een ongestructureerde ontwikkeling is geweest over de jaren, en zeker binnen de voertuigen en de installatie, is het meest vooruitstrevend. Vooral als je die heel bekende grote gele vrachtwagen hebt, toch?

Als je Caterpillar, Komatsu of die soort mensen hebt, doen ze al lang voorspellend onderhoud op hun voertuigen, ze weten het. Als ze vandaag voertuigen verkopen, zijn er veel mijnen die hun voertuigen kopen. Ze kopen ze niet. Ze kopen ze op basis van uptime.

Ze kopen een voertuig, met een minimum uptime van 87% of zo. Als ze die uptime niet halen, betalen ze er niet voor, want ze huren het. Een beetje zoals je een auto leaset. Ze zijn zwaar gemotiveerd. De fabrikanten zijn zwaar gemotiveerd om die voertuigen zo efficiënt mogelijk te laten draaien, want het is een enorme differentiator bij het verkopen van een vrachtwagen, te zeggen: "Mijn vrachtwagen is efficiënt." Ze hebben dergelijke enorme datapools.

Als je denkt aan Caterpillar, heb je tienduizenden vrachtwagens met sensoren, allemaal data leverend over hoe die vrachtwagens draaien. Ze worden alleen maar beter in het leveren van wat ze doen.

Als je een mijnbouwbedrijf bent en je hebt honderd vrachtwagens, is jouw datapool zo veel kleiner om die voordelen te leveren. Wanneer ze hun eigen systemen implementeren, zijn ze gewoon niet zo effectief. Dat is een voorbeeld waar preventief en gepland onderhoud is gedreven door de fabrikant.

Waar als je ergens gaat als de concentrator, de raffinaderij, of de smeltoven, verkoopt geen enkel bedrijf een smeltoven. Je gaat niet naar Hatch of FLSmidth en koopt deze smeltoven. Ze bouwen ze uit componenten van veel verschillende fabrikanten. Dan bouwen ze misschien een digitale tweeling eromheen, als het een ganz nieuwe smeltoven is, over de laatste vijf jaar.

Dat is echt waar AI, voorspellend onderhoud en machine learning echt een kans hebben, want het wordt niet gecontroleerd door een enkele incumbent OEM. Het is niet een boormachine gemaakt door... Het is geen auto gemaakt door Ford, waar Ford weet wat er in alle onderdelen gebeurt.

Elke mijnbouw-raffinaderij is anders. Elke smeltoven is anders. Elke concentrator is anders, gemaakt uit veel verschillende stukken van veel verschillende fabrikanten. In staat zijn om al die data samen te voegen, te begrijpen en de inzichten te leveren die we vandaag hebben voor vrachtwagens, boormachines of graafmachines, daar zit een echt interessante kans. En hetzelfde bestaat over de hele mijnbouw-waardeketen. Dat zijn gewoon twee heel goede voorbeelden.

Niall Sullivan, Senseye: Is het omdat data altijd een... Nou, is het een belangrijk onderwerp vanuit ons oogpunt, omdat er ofwel een feest of hongersnood situatie is, waar er geen data is of zoveel data in zoveel verschillende formaten. Het is best lastig om even de tijd te nemen om tot die echte inzichten te komen.

Zijn metaal- en mijnbouwbedrijven best goed in het verzamelen van veel data rond hun verschillende typen machines en kijken ze naar manieren om dat te benutten? Of verzamelen ze niet veel data? Is het de andere kant?

Joe Carr, Axora: Uit persoonlijke ervaring: ze verzamelen ontzettend veel data. Ze hebben geen flauw benul wat ze ermee moeten.

We vonden dat uit onze vooruitzichten, onze innovatievooruitzichten, toen we het werk deden. Een van de grootste problemen was: een, we moeten in staat zijn om de data te verzamelen. Dat is een uitdaging omdat je netwerk nodig hebt om dat te doen.

Eenmaal dat mijnen data hadden, zat het in veel verschillende formaten, op veel verschillende verspreide locaties. Een, ze wisten niet noodzakelijk wat ze ermee moesten of ze konden er niets mee, omdat ze niet in staat waren. Ze hadden niet de vaardigheden, zoals we eerder bespraken. De data is een echte uitdaging, omdat deze machines vandaag... Een van de tech-kers die ik een paar jaar geleden sprak, zei: "Een hele vrachtwagen produceert twee gigabyte data per dag." En ze hadden er 83 op de mijn rijdend. Hij zei: "De opslag is vol. Het duurt niet lang." Heb je 83 dingen die elke dag twee gig data produceren om de server vol te lopen. Wat doen we met deze data?

Of 99% ervan, zijn we niet geïnteresseerd in. Waarom niet? We hebben er niets mee. Het was waarschijnlijk ongelooflijk interessante data. We volgen snelheid, cyclus tijd, en motortemperaturen van de variabelen. We volgen waarschijnlijk 20 van de 500 variabelen die van deze vrachtwagens afkomen, in realtime.

Het is een enorme kans voor mijnen, omdat ze al deze data hebben en dan is het gesilo. Het zit op de mijn, om al de redenen die we eerder bespraken, over cloud-infrastructuur en hoe bescherm je de mijn tegen cyberaanvallen? We hebben al deze data die op een server zit die niemand iets mee doet, omdat niemand op de mijn zelf weet hoe. Niemand is aangesteld om het te doen.

Wat ben ik aangesteld als mijnbouwingenieur op een mijnvloer? Ik ben niet aangesteld om door serverdata te zitten. Ik ben aangesteld om gesteente te breken, dingen uit de grond te halen, en het door de verwerkingsinstallatie te halen. Het is een mix, toch? Zeer zelden ga je naar een mijn en vind je 20 datawetenschappers die aan de data werken. Wat je wel vindt, zijn veel geologen, ingenieurs, productiemensen, en boormachinebedienden die aan de slag gaan op de mijn.

Dat lijkt zo een schande omdat, zoals ik zei, het zo'n onbenutte kans is. Wie ik zei, ze hebben niet de interne bronnen om door die data te zift. Ze zijn ook wat meer beveiligingsbewust bij het werken met cloud of softwareplatforms, die misschien kunnen helpen echte inzichten te krijgen. Het lijkt een gemiste kans.

Zoals ik zei, de industrie zal waarschijnlijk veranderen. Mensen veranderen van baan en genereren... Misschien is het ook een generationele zaak. Misschien verandert dat in de tijd en brengen mensen deze ideeën op: "Wel, er is ontzettend veel data. Waarom doen we er niets mee?" We moeten echt naar buiten gaan en oplossingen zoeken zodat we deze data kunnen benutten voor ons voordeel.

Het is ook een baanzak, toch? Toen ik productieingenieur was, wat ik echt belangrijk vond, was de productie. Als iemand bij me kwam en zei: "Oh, kunnen we een AI-project op uw vrachtwagens draaien of zo?" Mijn reactie zou zijn geweest: nou, dat komt een beetje in de weg van mijn productie en mijn baan.

Je ziet ook een disconnect waar de mensen op de locatie gewoon door willen gaan met hun baan. En de mensen in de innovatieafdelingen, zijn erg geïnteresseerd in innovatieve projecten, maar ze moeten buy-in krijgen van de mensen op de locatie. Er is deze disconnect waar als ik een productieingenieur ben, ik mijn bonus en mijn salaris krijg op productie. Ik krijg het niet op het draaien van AI-projecten.

Er kan een disconnect zijn waar de mensen op de locatie zeggen: "Kijk, ik heb geen tijd voor dit." Dat is ook een interessante dichotomie, binnen een mijn. De mijn is zelf gesiloed. De productiemensen in de mijn, praten niet met de productiemensen in de molen, die niet noodzakelijk praten met de productiemensen in de raffinaderijen en smeltovens, die het eindmetaal produceren. Ze doen allemaal hun eigen ding. Evenzo, omdat ze allemaal hun eigen ding doen en het echt belangrijk voor hen is, als je met een onderhoudsding aankomt, krijg je misschien geen buy-in. Ze kunnen zeggen: "Ah, dat is echt waardevol. Ik vind dat echt leuk." De reactie is meestal: "Kom terug als ik het gewoon direct kan gebruiken, en ik hoef geen tijd te besteden aan integratie." Het is die integratiestap en de rommel die daarbij komt. Er is geen persoon daar wiens baan dat is om dat te doen.

Niall Sullivan, Senseye: Zoals ik zei, weer, het gaat ontbrekende vaardigheden, ik gok. Of het is geen bekend probleem, is het? Zijn ze zich bewust van het vaardigheden-gat?

Joe Carr, Axora: Ja, dat zijn ze. Ik denk dat dit terugkomt op wat we eerder bespraken, met machine learning, AI, en remote operatiecentra.

Wanneer mensen vrijgemaakt worden van het doen van dingen die herhaalbaar zijn, deel van de planning, en de stappen die ze nog steeds doen... Veel mensen doen met de hand, wat waarschijnlijk geautomatiseerd kan worden. Wanneer de mensen vrijgemaakt worden van die dingen, kunnen ze kijken naar dingen als AI en de tijd en inspanning wijden aan die projecten, die uiteindelijk ongelooflijke waarde leveren.

Het is het: "Nou, ik heb liever 10 pond nu, dan 20 pond volgende week." Wat zou je liever hebben, toch? Wil je nu het voordeel of later? Als mensen met vreselijke langetermijndenke, plannen 10 jaar vooruit... Eigenlijk is de mijnbouwindustrie fantastisch in plannen 20 jaar vooruit.

Elke mijnbouwafdeling heeft korte, middel, en lange termijn planners. De lange termijn planners, hun vroegste vooruitzicht is 10 jaar weg. Ze kijken naar dingen zo ver in de toekomst. De korte termijn planner's planningsvenster is vanmiddag. Ik denk eigenlijk dat de mijnbouwindustrie heel goed is in langetermijndenken. Het gaat erom hoe we de hele waardeketen helpen langetermijn te denken. En hoe maken we mensen vrij om dat te kunnen doen?

Niall Sullivan, Senseye: Ik weet dat we AI en machine learning veel noemen en duidelijk vanuit mijn perspectief weet ik van voorspellend onderhoud hoe dat echt voordeel kan bieden. Behalve dat, in welke gebieden worden AI en machine learning nog toegepast? Welke voorbeelden kun je geven in metaal- en mijnbouw?

Joe Carr, Axora: Nou, er is echt... de lijst is zo lang als je arm, als met veel dingen.

Niall Sullivan, Senseye: Misschien de top vijf. Nee, de top... Ik weet het niet..

Joe Carr, Axora: Ja. We doen de aftelling, toch? Nummer vijf.

Ik denk dat er verschillende gebieden zijn. We spraken over onderhoud. Ik denk dat onderhoud een heel goed is, want de vrucht hangt zo laag, hij ligt op de grond.

Er zijn sommige gebieden waar, zolang we de sensoren hebben om dingen mee te doen, ik denk dat er zoveel in onderhoud gedaan kan wat vandaag of reactief is of gewoon gepland. We veranderen het luchtfilter om de 500 uur. Waarom veranderen we het? Omdat het zo zegt. Ik denk zeker dat er voordelen zitten.

Er zijn zeker voordelen in het begrijpen van de afzetting. Niet afdwalen in de geologie, gegeven het publiek van je podcast, maar gewoon begrijpen waar het metaal onder de grond zit. Er is veel voordeel om niet de menselijke hersenen te gebruiken om dat te begrijpen, want je kunt miljoenen datapunten hebben die vandaag we vinden, we klikken, en we circuiten dat het hier is en het hier is, en we bouwen een vorm, toch?

Er zit zoveel voordeel voor AI of machine learning, afhankelijk van welke algoritmes je specifiek wilt bekijken, om op die modellen toe te passen. In plaats van één model per week te maken, kan een machine learning algoritme honderden modellen in een middag maken, en de geoloog kan ze beoordelen, en zeggen: "Oké, die maakt zin. Die ene, ik weet niet wat het hier gedaan heeft. Het is gek op een tangente gegaan, dus we negeren die."

Er zitten zeker veel voordelen rond basis AI. We nemen AI hier om domme dingen te doen. Het is slim. Het is heel goed in één ding en het is verschrikkelijk in alles anders. De AI om een vrachtwagen te besturen, die is geweldig in een vrachtwagen besturen, maar je kunt er niets anders mee doen wanneer machine learning zelf leert wat er gaande is.

De toepassingen van AI, binnen een mijn om dingen herhaaldelijk te doen, die herhalende taken. Er is ontzettend veel van, van het boren van gaten, tot het uithalen van materiaal, tot het markeren van fronten, tot het laden van explosieven. Al die dingen zijn rijp voor AI, want we doen precies hetzelfde elke keer.

Ik ga een front boren voor horizontale ontwikkeling. Ik gebruik hetzelfde boorpatroon, elke keer. Veel van de boormachines nu, de boormachinebedienden boren de gaten niet eens meer. Ze zetten het aan en het boort zelf. Ze controleren of de gaten op de juiste plekken zitten, maar is er echt die extra stap betrokken om te zeggen: "Waarom kunnen ze er niet gewoon zelf mee doorgaan? Gewoon iemand in een remote operatiecentrum die erop let."

Er zitten voordelen in, en zeker in de metaalruimte, als we kijken naar dingen als machine learning, in termen van het begrijpen van het product dat we produceren. Hoe produceren we het? Zitten er defecten in? Als het een geraffineerd metaal is aan het eind, met behulp van iets als machine vision, dus camera's. Essentieel een fancy manier om camera te zeggen. Machine vision gebruiken om de uitkomsten van het materiaal te begrijpen en wie we het aan verkopen.

Uiteindelijk zou de utopia zijn: je wilt een specifiek metaal met een bepaalde eigenschap. Je plaatst je bestelling, het gaat naar de mijn, en de mijn stuurt de apparatuur naar waar het weet dat dat materiaal zit. Het mijn dat specifieke materiaal. Het gaat door de concentrator, de smeltoven, en de raffinaderij omdat het heel specifieke eigenschappen heeft en het wordt bij je geleverd, precies aan de specificatie die je wilt. Dan verwerk je dat hoe je wilt, of je gebruikt het gewoon in je project. Vandaag zijn we nergens in de buurt van die geïntegreerde supply chain. Dat is uiteindelijk wat er... En er is geen reden waarom we het vandaag niet zouden kunnen doen, het bestaat gewoon niet vandaag.

Niall Sullivan, Senseye: Nee, dat is echt interessant.

Ik weet dat we aan het einde van onze tijd komen, maar ik wilde nog even aanraken dat onderwerp van duurzaamheid, wat een hot topic is.

Wat ik wilde weten is, in het algemeen, hoe beïnvloedt duurzaamheid metaal- en mijnbouw op dit moment? Ik weet dat we spraken over een hulpbronnenkwestie. Ook, welke maatregelen worden er genomen door bedrijven om doelen te halen? Ik ben ervan overtuigd dat veel fabrikanten, metaal- en mijnbouwbedrijven ook doelen hebben die ze willen halen.

Joe Carr, Axora: Ja. De mijnbouwindustrie doet eigenlijk heel wat. Je kijkt er vandaag naar, er zijn veel projecten die batterijvoertuigen op mijnen gebruiken. Waterstof is ook een groot onderwerp van gesprek.

Ik denk net in het nieuws gisteren, de man die Fortescue Metals in Australië bezit, hij heeft net de batterijafdeling van Williams F1 gekocht, om te kijken naar batterijen.

Hij is een interessant personage, want hij bezit een van de grootste ijzererts mijnen ter wereld. Of mijnbouwgroepen, moet ik zeggen. Hij bouwt een zonnepark voor, om het zo te zeggen, in het Outback. Hij gaat dat gebruiken om waterstof uit zeewater te maken, om groen staal in Australië te maken. Dus staal verkopen zonder koolstofvoetafdruk.

Als je kijkt naar de mijnbouwindustrie eigenlijk, staal, die metaalarm, is een van de grootste CO2 producenten. Ze nemen het ijzererts en om staal te produceren, moet je cokes en kolen verbranden, wat een speciaal type kolen is.

Je hebt twee soorten kolen. Thermische, wat iedereen denkt als ze aan kolen denken, in de put gooien, in het vuur werpen, en verbranden in een elektriciteitscentrale. Dat is thermische kolen. Cokeskolen is een heel specifiek type gebruikt om staal te maken. Dat is de bron van een groot deel van de mijnbouwindustrie, behalve in de kolenmijnbouwindustrie, natuurlijk. Dat is de bron van een groot deel van de CO2 voetafdruk van de mijnbouwindustrie.

Er zijn grote vragen over: hoe produceren we groen staal? Hoe verminderen we de behoefte aan kolen in staalproductie? Kunnen we het met waterstof of zelfs aardgas doen?

Hoewel de prijzen van aardgas vandaag, dat heeft ook geen zin op het moment, met de manier waarop aardgas is.

Duurzaamheid staat massaal hoog op de todo-lijst van de mijnbouwindustrie en op zijn behoeften. Het is die interessante vraag: hoe produceren we al deze heel belangrijke metalen die iedereen wil? Hoe produceren we ze met deze beperkte impact? Begrijpend dat de mijnbouwindustrie door zijn natuur een industrie is, die iets uit de aarde haalt. Het is een extractieve industrie.

De vraag hoe we dat beter doen, zit al lang op de agenda's van mijnbouwbedrijven. En het zal doorgaan, hoe meer mensen gefocust zijn op het milieu, wat alleen maar meer wordt. We gaan er meer zien.

Voor mij is het echt interessante stuk... En het dubbele denken om Orwell's Negentienhonderdvierentachtig te citeren, dat in staat zijn om twee dingen in je hoofd te houden, diametraal tegenover elkaar, en het voordeel ervan niet te begrijpen, is dat veel mensen de mijnbouwindustrie niet leuk vinden. Je zegt dat je in de mijnbouwindustrie werkt en ze gaan: "Oh, whatever." Ze begrijpen de industrie niet.

Ze hebben deze mening dat de industrie een vreselijke industrie is, de metaalindustrie. Toch zeggen ze tegelijkertijd: "We zitten in een klimaatcrisis en we hebben groene energie meer nodig dan ooit." Het is onmogelijk om twee diametraal tegenovergestelde meningen te hebben dat je de mijnbouwindustrie niet leuk vindt, maar je wilt iets doen aan klimaatverandering. Je kunt de ene niet hebben zonder de andere.

We kunnen dat niet. Ik herinner me dat ik op IMARK was, de internationale mijnbouwbronnenconferentie een paar jaar geleden, toen ik eigenlijk nog mocht vliegen en naar plekken gaan.

In Melbourne en de extinction rebellion mensen waren er. Ik heb eigenlijk een video van een interview op Sky News Australia. Ze hadden de hoofd van de extinction rebellion protest daar. Min of meer paraphraserend wat hij zei. Hij zei: "We zitten momenteel in een klimaatcrisis en we moeten er iets aan doen. Als we niet wakker worden, gaat de wereld in enorme problemen zitten." En in dezelfde adem: "Ze bouwen een kopermijn in de Filipijnen die niemand wil."

Het is onmogelijk om beide meningen te hebben, toch? Je kunt niet tegen koper mijnen zijn en tegen klimaatverandering. Je kunt de groene energierevolutie niet hebben zonder de mijnbouwindustrie.

Niall Sullivan, Senseye: Dat is een heel goege sentiment om op te eindigen, eigenlijk. Net voordat we afsluiten Joe, hoe kunnen mensen meer te weten komen over Axora en wat jullie voor hen doen? Voor de industrie?

Joe Carr, Axora: Ja, je kunt naar Axora.com gaan. Je kunt de marktplaats bekijken en je kunt ons daar contacteren. Of je kunt me op LinkedIn vinden en me een berichtje sturen. Ik help je graag door te verwijzen naar de juiste persoon binnen het bedrijf, om over wat je wilt te praten.

Casestudy: Alcoa

Alcoa Corporation is een wereldleider in bauxiet, alumina en aluminiumproducten, gebouwd op een fundament van sterke waarden en operationele excellentie die teruggaat meer dan 130 jaar tot de wereldveranderende ontdekking die aluminium betaalbaar en een vitale onderdeel van het moderne leven maakte.

Alcoa exploiteert productieplanten over de hele wereld en hebben doorbraakinnovaties toegepast en best practices geïmplementeerd die hebben geleid tot verhoogde efficiëntie, veiligheid, duurzaamheid en sterkere gemeenschappen waar ze actief zijn.

Ontdek waarom Alcoa samenwerkte met Senseye om best-in-class technologie en operationele praktijken voor Voorspellend Onderhoud te bereiken.