鉱山会社の AI 変革の内部

Jul 26, 2023

雰囲気は不安だった2018年10月19日朝、フリーポート・マクモランのデータサイエンティスト、冶金学者、エンジニアらがアリゾナ州バグダッドにある銅鉱石精鉱工場の制御室に入った。彼らは、クランクを回すと何が起こるかを学びに来たのだった。これまでに試されたことのない最大の作業速度に達する大きなミル。

工場で問題を引き起こす可能性が皆の心に重くのしかかりました。 チームメンバーは当初、工場をより速く稼働させるという考えに抵抗していました。 彼らは、工場に供給する鉱石の備蓄が、長年維持してきた最小サイズを下回らないようにしたいと考えていました。 彼らの懸念は、在庫が少なすぎると工場のパフォーマンスが妨げられることでした。

最小備蓄量が実際に工場の稼働を改善するのに役立つかどうかは別の問題でした。 誰も本当に確かなことを知りませんでした。 また、工場の管理者やスタッフも、備蓄量が従来の最小値を下回った場合に何が起こるかを語ることはできなかった。

数週間が経過するにつれて、銅鉱石精鉱工場は効率を損なうことなく、より速いペースを維持しました。 データ モデルは正しかったのです。工場はオペレーターが考えていたよりも多くの鉱石を処理できました。

彼らが知っていたのは、工場からの 3 年分の操業データをロードし、生産量を増やす操業の微調整を探すようにプログラムされたカスタム構築の人工知能 (AI) モデルが、もしミルには毎分より多くの鉱石が供給されました。

製粉工場の経営者にとって、その考えは十分論理的に聞こえましたが、それが彼らが念頭に置いていた最小備蓄量を考慮していないことを除けば。 しかし、モデルは、最小備蓄量や、工場をどのように運営すべきかについての工場オペレーターのその他のアイデアについては知りませんでした。

会社幹部の許可を得て、バグダッドの現場の乗組員は、モデルが示唆していた通りに工場の速度を上げることに決めた。 また、鉱石の備蓄が枯渇しないように、採掘と破砕活動を強化する準備も整えた。

午前10時に、技術者がコンピュータ画面上のコントロールをクリックして、鉱石の塊を破砕機から貯蔵所へ、そして貯蔵所から製粉所へ運ぶベルトコンベアシステムの速度を上げた。

部屋にいる全員が、制御室にある 13 台の特大モニターを監視していました。モニターは、工場の周囲に設置された何百ものパフォーマンス センサーからの測定値で照明されていました。 ミルで粉砕される鉱石の量が増加しました。 警告は出ませんでした。

12時間が経過しました。 工場は安定した状態を保った。 鉱石の貯蔵量が通常の最低量を下回ったときでも、破砕機と鉱山からの鉱石の供給が加速されたため、工場は操業を続けることができました。 数週間が経過しても、工場は効率を損なうことなく、より速いペースを維持しました。 データ モデルは正しかったのです。工場はオペレーターが考えていたよりも多くの鉱石を処理できました。

「これは私たちが探していた画期的な進歩でした」とバグダッド拠点のゼネラルマネージャー、ジャスティン・クロス氏は語った。 「工場を全速力で稼働させ始めると、モデルが行うより多くの推奨事項から結果が得られることがわかりました。」

フリーポート・マクモランが、ベテランの鉱山技術者や冶金学者の直感と同じくらい AI モデルに依存することをどのようにして学んだのかという物語は、テクノロジー業界以外では眉をひそめることはないかもしれません。

しかし、鉱山会社にとっては、これは私たちが「経営者の時代」と考える時代への、静かではあるが重大な移行を示している。つまり、優良な経営を行っている企業が、鉱山労働者が廃棄物として追い払っていたであろう低品位の鉱石から利益を搾り取る時代である。ちょうど10年前。

フリーポート・マクモランが鉱石の品位の低下を処理していた鉱山の一つに、アリゾナ州に広がる広大な複合施設であるバグダッドがある。そこでは探鉱者たちが1882年に最初の権利を主張した。バグダッドの高品位の鉱石の埋蔵量はしばらくの間枯渇してきたが、フリーポート・マクモランは鉱山の生産を維持してきた。さまざまなプロセス改善を行って銅を生産します。

2017年末までに幹部たちは、バグダッドが既存の設備で可能な限り効率的になったと信じており、そのため、サイトからさらに多くの銅を取り出すには容量を追加することが最も確実な方法であると推論した。 2018年の初めに、彼らはバグダッドの鉱石精鉱工場の2億ドルの資本拡張を計画し始め、生産量を20パーセント増加させた。

当時の銅の価格は高かった。 この投資は確実に報われると思われました。

その後、銅価格は6月初旬の5年ぶりのピークである1ポンド当たり約3.30ドルから、1か月後には2.75ドル程度まで下落した。 突然、バグダッドの拡張に 2 億ドルを投資することが現実的ではなくなりました。

フリーポート・マクモランのリーダーたちは、大規模な資本を注入することなくサイトの銅生産量を増加させる新しいプロセスの変更を見つけることを決意した。

その代わりに、フリーポート・マクモラン社の指導者らは、大規模な資本注入を行わずにバグダッドの銅生産量を増加させる新たなプロセス変更を見つけることを決意した。

効率的な鉱山で改善点を見つけるのは簡単ではありません。 しかし、フリーポート・マクモランには、研究すべき質の高い情報がたくさんありました。 約 10 年前、フリーポート マクモラン社の最高情報責任者であるバート オディネットは、各サイトがパフォーマンスを測定および報告する方法を標準化し、それらの測定値を保存するための中央データ ウェアハウスを構築する取り組みを調整しました。

数年後、メンテナンス チームは、同社のトラック、パワー ショベル、定置式機械に追加のネットワーク機器とパフォーマンス センサーを設置するよう働きかけました。 チームはこれらのセンサーからデータ ウェアハウスにデータを手動でダウンロードすることで、メンテナンスの実践をさらに強化し、機器の機能を向上させることができました。

ワイヤレス メッシュ ネットワークが費用効果が高く信頼性が高くなったとき、Freeport-McMoRan はすべてのサイトにワイヤレス メッシュ ネットワークを設置しました。 現在、同社は、データ ウェアハウス内の秒単位のパフォーマンス測定値をすべてリアルタイムで取得し、関連付けることができるようになりました。

「私たちは予想もできなかったことを学びました」とオディネット氏は語った。 「このプロジェクトは、データが私たちに伝えていることをもっと受け入れることを私たちに教えてくれました。そして、より複雑な分析に挑戦する自信を与えてくれました。」

Freeport-McMoRan は、高度な分析と AI 技術を使用して、収集した膨大な量のデータをスキャンし、パフォーマンスを向上させる可能性のあるさらに多くの運用上の変更を特定し、現場でテストすることができました。

バグダッドはこの方法の良い実験場のように見えました。 このサイトには、フリーポート マクモランで新しいことに挑戦する意欲が際立っていた、創造的でオープンマインドなエンジニア、冶金学者、装置オペレーターがスタッフとして配置されています。 たとえば、バグダッドの冶金プロセスを強化するという初期の取り組みにより、銅の回収率が向上しました。

そして、バグダッドのゼネラルマネージャーであるクロスは生来のいじくり好きで、オフロード用にピックアップトラックを装備したり、自分で建てる予定の家のためにメスキートの丸太を製材したりして自由時間を過ごすのが好きだった。 2006 年にフリーポート マクモランに入社して以来、クロス氏は同社の鉱山の運営を合理化する一連のプロジェクトを主導してきました。

バグダッドの運営が安定していたことも助けになった。 設備の問題やプロセスの問題を修正する必要がほとんどなければ、労働者は銅の生産量を増やす時間を確保できます。

幹部らは、バグダッドの生産を拡大する有望な機会は、操業の一部分にあるのではないかと感じた。鉱石精鉱工場は、巨大な製粉機と化学溶液が泡立つ浮遊選鉱セルが、約0.4パーセントの銅を含むグレープフルーツ大の岩石を砕く騒音の多い施設である。 25パーセントの銅と75パーセントの岩石を細かく粉砕した混合物。

工場の技術者は、フェニックスのフリーポート・マクモラン技術者が作成した一連の操作説明書に厳密に従って施設を運営していました。 工場のパフォーマンスを向上させるには、これらの指示に基づいて構築する方法が必要でした。

フリーポート・マクモランの CEO、リチャード・アドカーソン氏と最高財務責任者（CFO）のキャスリーン・クワーク氏は、バグダッドや本社のエンジニアや運用専門家と話し合った結果、バグダッドのスタッフが新しい種類のマイニングプロジェクト、つまりアジャイルな方法でのデータマイニングにマッキンゼーと協力して取り組めるようにすることに決めた。

このプロジェクトでは、洗練されたデータ サイエンス以上のものが必要でした。 また、難しい運用上の問題を解決するための新しいアプローチも必要でした。

「通常、運用プロジェクトを実行するとき、私たちはプロジェクトをオーバーエンジニアリングします。私たちは考えられるすべてのシナリオをテストし、安全策を組み込んで、プロセスの変更が実行前に改善につながることを確認するためにできる限りのことをします。」とクロス氏は述べました。 「これは良い結果を得る確実な方法です。しかし、膨大な時間、労力、設備投資が必要です。」

マッキンゼーのコンサルタントは、分析プロジェクトを別の方法で実行することで、バグダッドのスタッフがより良い結果をより迅速に得られる可能性があると考えました。 彼らは、機能的なソリューションを迅速に開発し、その後、ユーザーからのフィードバックに従ってチームが少しずつ改善することを重視するアジャイル原則に基づいて作業するというアイデアを導入しました。

ゼネラルマネージャーは、鉱山やフリーポート・マクモランの中央データサイエンスグループなど、協力する必要がある組織の他の部門とともに、工場の各部門を代表する人々のチームを編成しました。

アジャイル手法のもう 1 つの重要な特徴は、バランスの取れたチーム内での対面でのコラボレーションです。 クロス氏は、鉱山やフリーポート マクモランの中央データ サイエンス グループなど、協力する必要がある組織の他の部門とともに、工場の各部門を代表する人々のチームを編成しました。

チームの構成により、専門知識を活用し、その業務が影響を及ぼす可能性のあるバグダッドの各部門の利益を考慮することができました。 また、チームは、さまざまな部門が関係し、1 つの部門だけでは解決できない課題にうまく対処できるようになりました。

チームのアジャイルなアプローチは、「スプリント」で作業することでした。これは、チームがデータ モデリング機能や運用上の変更を考案し、テストし、何が改善されるかを学ぶ 2 週間の活動です。

改善点が判明すると、チームはそれらをバックログに追加しました。 次に、後続のスプリントでバックログにある項目を、最も簡単で最も有益なタスクから始めて調べます。

バグダッドの乗組員にとって、この機敏な作業スタイルは、単に通常の業務と異なるだけではありませんでした。 それは、彼らがこれまでやってきたやり方からの根本的な脱却を意味していました。

「アジャイルに慣れるまでに時間がかかりました」とクロス氏は語った。 「私たちは多くの古い習慣を手放さなければなりませんでした。」

マッキンゼーは支援のためにアジャイルコーチを導入しました。 コーチたちはアジャイルの基礎、つまりバックログを構築すること、各スプリントで何を達成するかを決定すること、クルーが毎日実行する作業について合意し、作業を遅らせる可能性のある問題に注意するために朝礼を開くことなどを説明しましたが、主にそこに参加するためでした。チームの活動を管理し、メンバーに機敏な方法で協力するよう指導します。

組織によるアジャイル手法の適用支援を専門とするマッキンゼーのパートナーであるシャノン・リジェック氏は、バグダッドチームがアジャイルのコツを習得するのを手助けするために来たコーチの一人です。

「アジャイルを学ぶ最善の方法は、すぐに始めることであることがわかりました」とマッキンゼーのパートナーであるシャノン・リジェック氏は述べています。

「アジャイルは、暗記できるプロセスではないため、最初は採用するのが難しいかもしれません。アジャイルは、無駄な労力を最小限に抑え、より多くの作業を完了するための一連の原則です。そして、アジャイルを学ぶ最善の方法は、飛びつくことであることがわかりました。すぐに入るよ」とリジェクは言った。

Bagdad の機敏なチームが不必要な労力を削減する方法の 1 つは、最初に製品を完成させるために苦労するのではなく、使用するのに十分な「実用最小限の製品」 (MVP) を構築したらすぐにソリューションを導入することでした。

「もしモデルを自分たちで構築していたら、それを使って何かをする前に、モデルを 100% 正しくしようとしただろう」とクロス氏は語った。

「シャノンとマッキンゼーのコーチたちは、まだ完成していないソリューションに取り組むよう私たちに勧めてくれました。彼らはこう言いました。『MVP を使用すると改善の 60% を得ることができます。これはかなりの量です。だから、とにかく使い始めてください。そうすれば、次のことが可能になります』それを改善することを心配してください。」

赤穴子より

フリーポート・マクモランの取り組みバグダッドで銅の生産を増やすという取り組みは、受け入れられているルーチンを変更することが難しい現場でアジャイル手法と AI ツールを使用する方法について多くのことを教えてくれました。 アジャイルと AI の使用をフリーポート マクモランの業務に拡大する際に留意している点がいくつかあります。

アカアナゴフリーポート・マクモラン社のアメリカ大陸担当社長兼最高執行責任者（COO）です。

クロスが結成したチームが結成されると、工場のパフォーマンスを改善する可能性を調査し始めました。 そのアイデアは、1 か月かけて工場からのデータを調査して、改善の可能性を明らかにするパターンを見つけることでした。 これらの改善が十分に有望であると思われる場合、チームはそれらを追求するでしょう。

6月下旬から、バグダッドのチームとマッキンゼーのデータサイエンティストは、工場が本当に人々が信じているほど効率的に稼働しているかどうかを確認するための機械学習モデルを構築した。 このモデルは、極端な勾配ブースティング モデルの一種であり、多くの冶金学的知識を組み込むように設計された数千のデシジョン ツリーのアンサンブルで構成されていました。

バグダッドとフリーポート・マクモランの中央運用グループのスタッフは、工場に入るすべての鉱石が同じ種類であると信じていた。 その結果、彼らは、ミルの 42 の制御設定の下限および上限パラメータの単一の「レシピ」を定義しました。つまり、ミルに供給される異なるサイズの鉱石塊の混合、浮遊選鉱セルの pH レベルなどです。

しかし、バグダッドの機敏なチームが工場のパフォーマンス センサーからのデータをそのモデルを通して実行したとき、チームのメンバーは何か新しいことを学びました。 工場の観点から見ると、この鉱山では実際に 7 種類の異なる鉱石が生産されていました。

さらに、工場の制御設定の標準レシピは、これらすべての種類の鉱石の特性と一致しませんでした。 たとえば、黄鉄鉱を多く含む鉱石では、浮遊選鉱セル内の pH レベルが規定のレシピより高く設定されている場合、より多くの銅が生成されます。

「従来の地質学による分類ではなく、工場の機器からのデータという観点から鉱石クラスターを考えることは、大きな考え方の転換でした。そして、それによって、パフォーマンスを向上させるための多くの新たな可能性が開かれました」と、マッキンゼーのパートナーで、分析が機能します。

全体として、チームの分析は、7 種類の鉱石のそれぞれに合わせて工場の制御を調整することで、銅の生産量を 10% 以上増加できる可能性があることを示唆しました。

この見通しを確信したフリーポート・マクモラン社のリーダーらは、バグダッドの機敏なチームに、工場に入ってくる鉱石を調べ、その鉱石からの銅の生産を高めるための制御設定を提案する AI モデルの構築を許可することを決めた。

チームメンバーは、鉱石の種類間の関連性、プラントのセンサーからの稼働測定値、工場を通過する鉱石の量、回収される銅の量を識別するためのアルゴリズムを作成しました。 次に、センサーからの測定値に基づいてプラントのパフォーマンスを予測するためのアルゴリズムをさらに開発しました。

数週間の開発スプリントの後、チーム メンバーはモデルのパフォーマンス予測の精度を 96% にまで高めました。これは、モデルが工場のセンサーから流れてくるデータを適切に解釈し、それを工場の制御設定に関連付けていることを知るのに十分な高さでした。

バグダッドがどれだけの銅を生産できるかを判断するために、スタッフは、新たな設備投資をほとんど行わず、妥当なコストで銅の生産を最大化するという新しい使命を確立することにしました。

その後、チームはパフォーマンスの予測からパフォーマンスの改善に注意を向けました。 スタッフは、これまで誰も尋ねなかった単純な質問から始めました。「最適化したいパフォーマンスの尺度は何ですか?」

バグダッドのチームは長年にわたり、銅の生産と操業コストの特定の目標に向けて意思決定と活動を行ってきました。 そのアプローチにはある種の意味がありました。 それは、バグダッドが継続的に利益を生み出したことを意味します。

さて、バグダッドでどれだけの銅が生産できるかを判断するために、チームは新たな使命を確立することを決定しました。それは、新たな設備投資をほとんど行わず、妥当なコストで銅の生産を最大化するというものです。

クロス・スティーブンス氏とフリーポート・マクモラン社の業務改善担当副社長コリー・スティーブンス氏は、生産を最大化するとバグダッドの他の分野での業績が低下する可能性があることを知っていた。 工場の回収率、つまり鉱石から抽出される銅の割合が低下する可能性があります。 あるいは、業務全体が数時間停止する可能性もあります。

スティーブンス氏は他の幹部らを訪ね、バグダッドの実験には多額の費用がかかる可能性があることを説明した。 今後数カ月の業績は悲惨なものになる可能性があると同氏は警告した。

それにもかかわらず、バグダッドがモデルが予測した生産の10％増加を達成できれば、短期的なコストはそれだけの価値があるということで幹部らはスティーブンス氏の意見に同意した。 彼らは彼に生産量を最大化する試みにゴーサインを与えました。

この承認により、クロスはバグダッドのスタッフに対し、標準的な手順から逸脱し、工場の業績目標を達成できない可能性がある業務変更を行う自由を与えた。 作業員の安全と機器の完全性は、妥協や実験が許されない唯一の領域でした。 その他の変更は公平に行われました。

その後 1 か月ほどの繰り返しを経て、チームはセンサーで生成されたデータを調べ、銅の出力を最大化するための制御設定を推奨するアルゴリズムを考案、テスト、改良しました。 遺伝的アルゴリズムとして知られる新しいアルゴリズムは、自然選択の原理を利用して、特定の種類の鉱石から最も多くの銅を生産する設定を「進化」させました。

9 月初旬までに、チームは予測モデルを TROI と呼ばれる最適化モデルの MVP に拡張しました。このモデルは、工場の 2 つの毎日のシフトごとに 1 回、12 時間ごとに推奨事項を発行できる機能でした。

新しい推奨事項が発表されるたびに、チームのエンジニア、装置オペレーター、冶金学者が集まり、それをどうするかを決めました。

TROI は進行中の作業であったため、その初期の推奨事項は完全に信頼できるものではありませんでした。 フリーポート・マクモランとマッキンゼーの冶金学者はシフトごとにモデルの推奨事項を研究し、それが信頼できるかどうかを疑問視していました。 その後、冶金学者が問題に関する推奨事項に注目し、アジャイル チームが問題を調査できるようにします。

いくつかの推奨事項により、チーム メンバーは TROI のロジックに欠陥があることを発見し、それをバックログに追加し、その後の開発スプリントで修正しました。 基礎となるパフォーマンス データに欠陥があり、チームに修正を求めるよう促した人もいます。

バグダッドのプロセス制御および計測エンジニアの 1 人であるフランク・オチョア氏は、「TROI は計測機器の品質を向上させるのに役立ち、注意が必要なセンサーを強調表示してくれます」と述べています。

最も困難だったのは、バグダッドのスタッフが長年従ってきた運用レシピから逸脱するというモデルの推奨事項でした。 アジャイル チームは、これらをどうするかについて議論するのに多くの時間を費やしました。

最も困難だったのは、スタッフが長年従ってきた運用レシピから逸脱するよう勧告されたことでした。 アジャイル チームは、これらをどうするかについて議論するのに多くの時間を費やしました。

チームが TROI を微調整するにつれて、徐々にその推奨事項がより妥当なものになり、バグダッドのスタッフはその推奨事項に従うようになりました。 しかし、これらの推奨事項の多くは、たとえあったとしてもわずかなパフォーマンスの向上をもたらしました。

10月も中旬になりました。 チームは、可能だと考えられていた 10% の生産増加には程遠い状況でした。

クロス氏とスティーブンス氏は、鉱山と破砕機から工場への鉱石の流れを加速するという、誰も特に試したがらなかった重要な勧告に基づいて行動する時期が来たと判断しました。 クロス氏は鉱山経営者らに活動内容を見直すよう求め、さらに資金を費やしたり、操業停止を引き起こしたりしても責められることはないと安心させた。

鉱山経営者は、より多くの爆発物を使用する必要があったにもかかわらず、発破を強化しました。 彼らは、トラックを放置してはならないという長年の指令に違反して、破砕工場に石を運ぶためにトラックを列に並べた。 彼らは、巨大破砕機に鉱山から出た鉱石、または未処理の鉱石を窒息させて供給し、どれだけの量を処理できるかを調べました。

最後に、10 月 19 日、チームは工場の処理速度を引き上げました。 すぐに銅の生産量は5％増加しました。 TROI は、チームが記録的なレベルのパフォーマンスを達成するのに役立ちました。

大幅なパフォーマンス向上を達成したバグダッドの機敏なチームは、銅の生産量を増加させる工場制御設定を推奨するモデルの機能の強化に取り組みました。

アジャイル チームはデータ モデルの記録と冶金学者のメモを毎日確認し、アップグレードのバックログに取り組み続けました。 数週間以内に、チームは冶金学者がその推奨事項の 80% 以上を受け入れるまでモデルを改良しました。

TROI は、どのタイプの鉱石が工場内を流れているかをいつでも特定することができました。 次のスプリント ラウンドでは、チームは他の受信運用データを考慮する機能を追加しました。

TROI が一連の制御設定を推奨するたびに、工場の冶金学者はその推奨事項を検討し、どれを受け入れるかを選択し、シフトの監督者とオペレーターに渡し、それに応じて工場の制御を調整します。

どの推奨事項に従うべきかを冶金学者に決定させることで、アジャイル チームはより早く学習できるようになりました。 場合によっては、冶金学者は、機能するかどうかを確認するためだけに、疑わしい設定を適用することがありました。 そして、冶金学者が推奨設定を拒否したときは、決定を説明するためにモデルにメモを入力しました。

バグダッドの上級冶金学者ルル・レイモンド氏は、「TROIは常に完全に正確な推奨を提供するとは限らないが、プラントの管理方法について新たな視点を提供し、私たちの想定に疑問を投げかけるものだ」と述べた。

その間ずっと、センサーが工場のパフォーマンスを測定していました。 モデルの機械学習アルゴリズムは、どの設定がパフォーマンスを向上させたか、どの設定が改善しなかったのか、そして推奨事項が役に立ったかどうかを記録しました。

アジャイル チームはモデルの記録と冶金学者のメモを毎日レビューし、計画していたアップグレードのバックログに項目を追加して、それらのアップグレードに取り組み続けました。 12 月初旬までに、チームは TROI を改良し、冶金学者がその推奨事項の 80% 以上を受け入れるようになりました。

冶金学者や製粉所のオペレーターが TROI を出し抜こうとし始めるまで、それほど時間はかかりませんでした。 彼らは、工場に入る鉱石の種類を監視し、モデルが提案する制御設定を予測し、モデルが 1 日 2 回の推奨を行う前にそれらの設定を適用しました (後に 3 時間ごとに増加)。 これは一種の競争になりました。誰が TROI よりも上手に工場を運営できるでしょうか?

最も重要なことは、工場の生産量が大幅に増加したことです。 2018 年の第 4 四半期には、バグダッドの鉱石処理量は 1 日あたり 85,000 トンを超え、前四半期より 10% 増加しました。その一方で、銅の回収率は 1% ポイント上昇し、操業はより安定しました (展示)。 次の四半期、バグダッドでの銅の生産量は再び増加しました。

これらの利益により、バグダッドの銅生産量は年間2,000万ポンド増加するはずで、これによりフリーポート・マクモラン社はバグダッド精鉱施設の2億ドルの増資のほとんどを回避することができた。

これはフリーポート・マクモランにとって単なる始まりに過ぎないと考えています。

プロジェクト中に TROI を維持する方法を学んだため、同社の冶金学者とデータ サイエンティストは現在、マッキンゼーからの継続的なサポートを受けずに自分たちでモデルを実行しています。 彼らは、工場のパフォーマンスと TROI の予測を比較する日次および週次レポートを研究し、推奨を行うモデルの能力を強化し続けています。

フリーポート・マクモランの幹部らは、鉱山でのプロセスのテストと改善を行うため、バグダッドでの 2 番目のアジャイル チームの創設を後援しました。 このチームも、マッキンゼーの支援なしで、工場プロジェクトで学んだアジャイル手法を使用して作業しています。

フリーポート・マクモランのアリゾナ州銅鉱山のもう 1 つであるモレンシーでは、管理者がバグダッドのようなアジャイルな分析の取り組みを開始しました。 そして同社は間もなく、バグダッドの5倍の生産能力を持つペルーの銅鉱山、セロベルデでこの種の最も野心的なプログラムを開始する予定だ。

オペレーターの時代が到来しており、Freeport-McMoRan はアジャイルな手法と AI ツールでそれに適応しています。

アカアナゴフリーポート・マクモラン社のアメリカ大陸担当社長兼最高執行責任者（COO）です。ハリー・ロビンソンマッキンゼーの南カリフォルニアオフィスのシニアパートナーであり、リチャード・セルショップスタンフォードオフィスのパートナーです。