Patron Login
Machine Learning revoluciona la identificación de minerales en minería
Processing Request
| Un nuevo estudio liderado por Alberto Fernández Osorio, académico del Departamento de Ingeniería en Minas de la Universidad de Santiago de Chile (USACH) y doctorando de la Universidad Politécnica de Madrid, explora el uso de Machine Learning en la exploración minera para mejorar la identificación de minerales en la minería subterránea. Esta investigación científica, publicada en la revista "Ore Geology Reviews", se centra en la calibración de datos de perforación para minería con información geológica, información geotécnica e información geoquímica para crear modelos predictivos para la exploración de recursos. Este enfoque, basado en técnicas de Inteligencia Artificial, busca optimizar el diseño de tronadura con IA, lo que permite una mejor caracterización de los recursos durante la exploración y una optimización de la producción. Este trabajo subraya los beneficios del Machine Learning en la industria minera y, particularmente, en las aplicaciones de la IA en la ingeniería de minas. |
La investigación del académico Alberto Fernández se centra en el uso de técnicas de Inteligencia Artificial (IA) para procesar datos generados desde la operación de perforación, con el fin de construir modelos ingenieriles de predicción de propiedades del macizo rocoso, ajustado a las características del yacimiento y tecnología de perforación disponible en las operaciones mineras.
El académico manifestó que: "Tener la oportunidad de crear conocimiento y difundirlo, tanto hacia el área minera como geológica, me han entregado una visión más avanzada de la investigación científica, potenciada con el trabajo efectuado en proyectos de investigación aplicada con equipos de múltiples áreas y operacionales".
La integración de modelos de Machine Learning en la exploración minera presenta una oportunidad significativa para optimizar las operaciones mineras, particularmente en la identificación de minerales con Machine Learning. Este modelos predictivos para la exploración de recursos, a través del análisis de datos de perforación calibrados con información geológica, geotécnica y geoquímica, permite una mejor caracterización de los recursos estudiados durante la fase de exploración. Además, la investigación subraya el valor de estos modelos en la etapa de producción, ya que la información obtenida facilita la adaptación del diseño de tronadura con IA, mejorando su eficiencia y precisión.
La presente investigación científica explora las aplicaciones de la IA en la ingeniería de minas con un enfoque en la calibración de datos de perforación para minería. El estudio se centra en el uso de técnicas de Machine Learning en la exploración minera, específicamente para la identificación de minerales con Machine Learning. Fernández Osorio propone la construcción de modelos predictivos para la exploración de recursos, a partir del análisis de datos de perforación enriquecidos con información geológica, geotécnica y geoquímica. Esta metodología facilita una mejor caracterización de los recursos estudiados en etapas tempranas de exploración. Además, la investigación destaca el potencial de la optimización del diseño de tronadura con IA durante la fase de producción, lo que permite ajustes más precisos y eficientes. En definitiva, la investigación de Alberto Fernández Osorio evidencia los beneficios del Machine Learning en la industria minera. El desarrollo de modelos predictivos basados en IA ofrece una oportunidad para optimizar la toma de decisiones, tanto en la exploración como en la producción, mejorando la eficiencia y el uso de los recursos en la industria.
EQUIPO DE INVESTIGADORES
| AUTORES | INSTITUCION |
| Alberto Fernández Osorio |
|
| Pablo Segarra | Universidad Politécnica de Madrid |
| José A. Sanchidrián | Universidad Politécnica de Madrid |
| Rafael Navarro |
|
