MINERÍA la mejor puerta de acceso al sector minero MINERÍA / OCTUBRE 2022 / EDICIÓN 541 20 Estos modelos fueron definidos para los parámetros optimizables: recuperación, tonelaje y para el modelo de restricción de concentrado bulk Cu-Mo. La dificultad de la implementación consistía en: la complejidad de la interacción de las variables en la concentradora y que no había datos en tiempo real sobre el rendimiento de planta sin que la IA tuviera lugar. Un punto importante para considerar es que el modelo metalúrgico de recuperación de Cu inspiró el modelo de línea base de recuperación de la IA, sin embargo, la principal diferencia residía en que el modelo metalúrgico se centraba en la recuperación final de cada turno de operación y el modelo de línea base de la IA se centraba en estimar la recuperación con una cadencia de 3 horas (4 veces por cada turno de operación de la planta). Las técnicas utilizadas para establecer los modelos de línea base consistían en los árboles de decisión y gradient boosting. En el caso de los árboles de decisión, permiten: agrupar datos para asignar casos a grupos que son similares con respecto al resultado, tolerar diversidad de datos Figura 6. Parámetros del modelo de optimización de recuperación. Figura 7. Parámetros del modelo de optimización de P80. Figura 4. Parámetros del modelo línea base de recuperación. Figura 5. Parámetros del modelo línea base de tonelaje.
RkJQdWJsaXNoZXIy MTM0Mzk2