Optimización de Turnos y Casino Minero con IA

Imagina una operación minera en el norte de Chile donde 1.200 trabajadores terminan su turno a las 13:00 horas. Todos tienen hambre, todos quieren comer rápido y todos se dirigen al mismo lugar: el casino de la faena. El resultado es predecible y se repite día tras día, turno tras turno. Filas de 30 a 40 minutos, trabajadores frustrados que pierden parte de su tiempo de descanso esperando, un equipo de cocina desbordado que intenta servir cientos de platos simultáneamente, y una cantidad significativa de comida que termina en la basura porque la demanda real no coincide con las proyecciones de preparación. Este problema, que parece menor comparado con los desafíos técnicos de la extracción minera, tiene un impacto directo en la productividad, la satisfacción del personal y los costos operativos de la faena.

El Problema: Congestión Sistemática en Horarios Punta

En las faenas mineras que operan con régimen de turnos 7x7, 14x14 o 4x3, los horarios de alimentación generan cuellos de botella inevitables. El casino tiene una capacidad física limitada, típicamente entre 250 y 350 asientos, pero debe atender a más de 1.200 personas en ventanas de tiempo muy reducidas. El cambio de turno concentra a todos los trabajadores en un intervalo de apenas 90 minutos, y sin un sistema de gestión inteligente, la distribución de la llegada sigue un patrón de campana: pocos llegan al inicio, la mayoría se concentra en los 30 minutos centrales, y unos pocos llegan al final cuando ya queda poca variedad de comida.

Las consecuencias van más allá de la incomodidad. Un trabajador que pasa 40 minutos en la fila tiene 40 minutos menos de descanso real, lo que afecta su recuperación y su rendimiento en el turno siguiente. Para el equipo de cocina, los picos de demanda generan estrés y errores en la preparación. Y para la empresa, el desperdicio de alimentos representa un costo directo que en operaciones grandes puede superar los 200.000 dólares anuales. Además, las encuestas de satisfacción del personal consistentemente identifican la experiencia del casino como uno de los principales factores de descontento, lo que impacta en la retención de talento en un mercado laboral ya competitivo.

La Solución: Un Agente de Scheduling con Notificaciones Móviles

La solución que implementamos en ValueData consiste en un agente de IA que gestiona de forma autónoma la distribución de los horarios de alimentación. El agente opera en tres capas complementarias que, combinadas, transforman completamente la experiencia del casino minero.

La primera capa es la planificación predictiva. El agente analiza datos históricos de asistencia al casino cruzados con la planificación de turnos, el calendario de la faena, las condiciones climáticas y los eventos especiales como capacitaciones o visitas. Con esta información, genera una proyección precisa de cuántas personas asistirán a cada servicio y distribuye automáticamente a los trabajadores en ventanas de horario de 15 minutos. La asignación no es aleatoria: respeta las restricciones operativas de cada área, los tiempos de traslado desde los distintos puntos de la faena y las preferencias registradas por los propios trabajadores.

La segunda capa es la comunicación en tiempo real. Cada trabajador recibe una notificación push en su teléfono móvil o dispositivo de faena indicando su ventana de horario asignada para cada comida. La notificación incluye el horario recomendado, una estimación del tiempo de espera actual y alternativas si el trabajador no puede asistir en su ventana asignada. El sistema es flexible: si un trabajador necesita cambiar su horario por razones operativas, puede solicitar un cambio desde la aplicación y el agente reasigna en tiempo real manteniendo el equilibrio de carga.

Monitoreo con Visión Computacional

La tercera capa, y quizás la más innovadora, es el monitoreo en tiempo real mediante visión computacional. Cámaras instaladas en las entradas y en el interior del casino alimentan un modelo de detección que cuenta las personas en fila y estima la ocupación de las mesas. Esta información se procesa cada 30 segundos y alimenta al agente de scheduling, que puede tomar decisiones dinámicas como adelantar o retrasar las notificaciones al siguiente grupo, activar una línea de servicio adicional si el personal de cocina está disponible, o enviar una alerta al equipo de operaciones si la situación se sale de los parámetros normales.

El modelo de visión computacional no identifica personas individuales ni almacena imágenes de rostros, cumpliendo con las regulaciones de privacidad. Solo contabiliza personas y analiza patrones de flujo: cuántas personas entran por minuto, cuánto tiempo promedio permanecen en la fila, y cuál es la tasa de rotación de las mesas. Estos datos, combinados con el historial del agente, permiten un aprendizaje continuo que mejora las predicciones semana a semana.

Resultados Medibles

Los resultados obtenidos en la implementación piloto hablan por sí mismos. El tiempo promedio de espera en el casino se redujo de 38 minutos a 8 minutos, una mejora del 79%. El desperdicio de alimentos disminuyó del 24% al 9% del total preparado, gracias a las proyecciones de demanda más precisas que permiten al equipo de cocina ajustar las cantidades de preparación. La satisfacción del personal relacionada con el servicio de alimentación subió del 45% al 82% en las encuestas mensuales. Y un dato particularmente relevante para la gerencia: el tiempo efectivo de descanso de los trabajadores aumentó en un promedio de 25 minutos por turno, lo que se traduce en mejores índices de bienestar y, según las métricas de seguridad, una reducción en los incidentes leves asociados a fatiga.

Desde el punto de vista financiero, la reducción del desperdicio de alimentos generó un ahorro directo de aproximadamente 180.000 dólares anuales. Pero el impacto más significativo es intangible: trabajadores más descansados, menos rotación de personal y una operación que demuestra que la tecnología puede mejorar la vida cotidiana en la faena, no solo la productividad de los equipos pesados.

Más Allá del Casino: Un Modelo Replicable

Lo más valioso de este enfoque es que el mismo modelo de agente de scheduling puede aplicarse a cualquier recurso compartido dentro de una faena minera: buses de transporte, duchas, lavanderías, gimnasios y salas de capacitación. La lógica subyacente es la misma: predecir la demanda, distribuir el acceso de forma inteligente, comunicar a los usuarios en tiempo real y ajustar dinámicamente basándose en la situación actual. En ValueData creemos que la transformación digital en minería no comienza con los grandes sistemas de automatización industrial, sino con las soluciones que impactan directamente en la experiencia de las personas que trabajan cada día en la faena.