52 Edición Semanal En este trabajo se presentará la metodología utilizada, los retos afrontados y los beneficios obtenidos durante la etapa de implementación y sostenibilidad de la herramienta. Objetivos Incrementar la producción de libras de Cu balanceando continuamente entre aumentar tonelaje o la recuperación. Utilizar la Inteligencia Artificial como herramienta de optimización operativa. Metodología La magnitud del trabajo involucrado en la implementación de la IA hace notar que los modelos de Machine Learning no podrían quedar solos como una herramienta de optimización; por el contrario, se requiere una serie de otras herramientas y actividades que acompañen y ayuden en el sostenimiento de este mecanismo de optimización. El proceso completo de implementación contempló: diagnóstico de situación actual, definición de alcances y recursos, determinación de Primeros Principios, ejecución de primeros modelos de Machine Learning, implementación de módulo de “Detección de Anomalías de Instrumentos”, iteración de modelos de Machine Learning, definición de Interfaz de Usuario, alineamiento de APC (sistemas experto) con Primeros Principios Metalúrgicos, ajuste de restricciones y sostenibilidad de la herramienta. Determinación de prueba de concepto En esta etapa se identificó que el mayor potencial estaba en la optimización de la recuperación y el tonelaje con 6 Figura 2. Sensibilidad de recuperación al incremento de tonelaje en las concentradoras C1 y C2 considerando las variaciones en los niveles de oxidación del mineral (ISA).
RkJQdWJsaXNoZXIy MTM0Mzk2