REVISTA MINERÍA 532 | EDICIÓN ENERO

MINERÍA la mejor puerta de acceso al sector minero MINERÍA / ENERO 2022 / EDICIÓN 532 10 ra pueden auto-regularse, basándose en la lectura de datos históricos y la aplicación de algoritmos de inferencia no lineal, que aprenderán de estos y ajustarán el peso de los datos de entrada, hasta lograr acercarse a las funciones matemáticas que interpreten su comportamiento y recomienden los ajustes requeridos. Los temas a cubrirse serán las redes neuronales, el aprendizaje supervisado y no supervisado, el clustering, la regresión, el diagnóstico predictivo de los resultados de los procesos y la detección de irregularidades o discontinuidades del proceso productivo. Moldeamiento de datos El estudio de las condiciones de las rocas y la evaluación de las alternativas disponibles para representar diversas situaciones de estabilidad y calidad del contenido mineral de los yacimientos son un ejemplo de la utilización de esta técnica. La geoestadística y el análisis da datos cuantitativos, cualitativos y semi-cuantitativos regresa para reforzar y validar los modelos generados, así como los cálculos utilizados para la estimación de leyes y otros atributos de importancia en la definición de un yacimiento mineral. Elementos externos que pudieran afectar el modelo, tales como sistemas de fallas, alteraciones geoquímicas, presencia de agua o vibraciones, son parámetros que pueden robustecer el modelo y facilitar su interpretación. Data Analytics El Análisis de datos es una disciplina enfocada en extraer conocimiento de la información obtenida en el transcurso de las operaciones diarias. Incluye el proceso de inspeccionar, limpiar, transformar y modelar los datos de exploración, explotación o procesamiento de minerales, con el objetivo de descubrir información útil, reportar conclusiones, y apoyar en la toma de decisiones estratégicas. Existen múltiples facetas y metodologías para efectuar este análisis, abarcando diversas técnicas, dentro de las cuales se incluyen los dashboards, o paneles dinámicos de información, de donde el ingeniero y los operadores obtienen el conocimiento requerido para tomar luego acciones de remediación u optimización. Lenguajes de programación Uno de los lenguajes más populares para ingresar o extraer información de las Bases de Datos Relacionales que se encuentran comúnmente en las corporaciones, es Python. De manera similar que sus predecesores, tales como Visual Basic, PHP/HTML y otros lenguajes potentes, su sencillez y facilidad de aprendizaje hace posible que se escriban scripts o secuencias enteras de instrucciones automatizadas que pueden extraer selectivamente segmentos enteros de los datos de un proceso, a diversas horas del día, sin afectar las tareas en curso. De manera similar, aplicaciones de modelamiento de minas y planeamiento pueden combinar estas instrucciones y producir modelos espaciales gráficos que representen los avances de excavación de las minas en operación. La nueva generación de ingenieros de minas debe conocer al menos uno de estos lenguajes para construir sus propias consultas a los servidores de datos. Figura 3. Secuencia de cursos en el pilar Minería 4.0.

RkJQdWJsaXNoZXIy MTM0Mzk2