MINERÍA la mejor puerta de acceso al sector minero MINERÍA / NOVIEMBRE 2022 / EDICIÓN 542 82 Figura 2, proporcionado por el Massachusetts Institute of Technology (MIT), el cual se basa en la filosofía del modelo predictivo: “El futuro del pasado es el futuro del futuro”. Se presupone entonces que el conocimiento de los datos pasados permitirá predecir los datos futuros. Objetivo Determinar los límites de interferentes (%Mg, %Tox, %Carbonatos y %Arcillas) contenidos en un mineral y su impacto en la recuperación de cobre. Obtención de datos En este paso se incluye que los científicos de datos identifiquen y reúnan los datos disponibles (estructurados, no estructurados y semiestructurados) y relevantes para el dominio del problema, los cuales estarán en su forma original (sin procesar) y que necesitarán ser posiblemente transformados en una siguiente etapa antes de que puedan ser utilizados. Para el caso en estudio, se obtuvieron datos entre 2019 y 2022 en un intervalo de 12 horas. Visualización de datos Después de la obtención de datos inicial, los Figura 6. %Tox en el nodo terminal 1 menor a 9.11% corresponde a una recuperación media de cobre es 87.8%. El %Tox en el nodo terminal 2 mayor a 9.11% corresponde a una recuperación media de cobre es 84.3%. científicos deben utilizar estadísticas descriptivas y técnicas de visualización para comprender el contenido de los datos, evaluar su calidad (Accuracy, Consistency, Completeness, Uniqueness, Timeliness y Validity) y descubrir insights iniciales sobre ellos. Para el caso en estudio se tiene cinco variables (cinco dimensiones), las cuales son difíciles de graficar, ya que el ser humano solo puede visualizar tres dimensiones. La solución a este problema es aplicar el Algoritmo Principal Component Analysis (PCA), el cual partiendo de un problema con múltiples variables, se busca entender qué relación existe entre ellas. Para esto, el primer paso será reducir al máximo posible las variables de las que se dispone. Una vez conseguido este paso, se representará de manera visual el resultado obtenido y se podrá observar cómo se agrupan los datos de manera fácil e intuitiva. En la Figura 3 se evidencia que los interferentes (%Mg, %Tox, %Carbonatos y %Arcillas) contenidos en el mineral impactan negativamente en el %Recuperación de cobre, siendo el %Mg el de mayor significancia. Preparación de datos En esta etapa se abarca todas las actividades para construir el conjunto de datos que se utilizará en la subsiguiente fase de modelado. La preparación de datos suele ser el paso más largo de los proyectos de este tipo. En muchos dominios, algunas etapas de la preparación son comunes para problemas diferentes. Entre las actividades de preparación de datos están: Evaluar el origen y la condición de los datos. Preparar rigurosamente los datos. Combinar variables para detectar predictores. Perfilar los datos. Buscar extremos. Detectar valores atípicos. Detectar valores faltantes. Detectar valores incorrectos.
RkJQdWJsaXNoZXIy MTM0Mzk2