MINERÍA la mejor puerta de acceso al sector minero MINERÍA / NOVIEMBRE 2022 / EDICIÓN 542 86 2. La aplicación del algoritmo PCA ha permitido reducir al máximo posible las variables de las que se dispone, de manera de representar visualmente como se agruparon los datos que representan los interferentes (%Mg, %Tox, %Carbonatos y %Arcillas) frente a la recuperación de cobre, evidenciándose que los interferentes contenidos en el mineral impactan negativamente en el %Recuperación de cobre, siendo el %Mg el de mayor significancia. 3. La aplicación del algoritmo de K-Means posibilitó determinar dos clúster como valor óptimo entre los interferentes (%Mg, %Tox, %Carbonatos y %Arcillas) y la recuperación de cobre. 4. Se determinó los valores límites de frontera de cada interferente con respecto a la recuperación de cobre, mediante el uso del algoritmo del Árbol de Decisión por regresión, dando como resultado lo siguiente para la recuperación de cobre: Magnesio (%Mg) < 1.56%. Óxidos (%Tox) < 9.11%. Carbonatos (%) < 9.79%. Arcillas (%) < 1.04%. 5. Durante el desarrollo del modelo y antes de su implementación, el científico de datos hizo una evaluación gráfica para comprender su calidad y garantizar que aborda el problema en forma adecuada y completa (Figura 7). 6. Normalmente un modelo desplegado en un entorno de producción se realiza de manera limitada, supervisada y controlada, como en el presente caso, hasta que se evalúa por completo su rendimiento. 7. Al recopilar los resultados del modelo publicado, es necesario reunir comentarios sobre el rendimiento y su impacto en el entorno en el que se implementa. Figura 10. Curvas de distribución de la diferencia entre la recuperación real y modelo. Línea roja: sin implementación. Línea verde: transición de la implementación. Línea azul: implementación. 8. Actualmente esta aplicación implementada desde junio de 2021, ha permitido reducir la variabilidad en la recuperación de cobre, presentándose una tendencia de incremento en el promedio. 9. Se puede apreciar un aumento de la capacidad del proceso, lo que representa un valor muy cercano a las tres sigmas, lo que se interpreta como un proceso más estable. 10. Los modelos se mejoran constantemente y se adaptan a las condiciones cambiantes del propio proceso a través de la retroalimentación, la modificación y la reimplementación, de esta forma, el modelo y su funcionamiento pueden aportar valor continuo al proceso durante el tiempo que se necesite una solución. Bibliografía MIT. Curso de Machine Learning Massa. Universidad del Pacífico. Herramientas Black Belt Six Sigma. IBM https://www.ibm.com/pe-es/analytics/ data-science IBM https://www.ibm.com/downloads/ cas/6RZMKDN8 Lis Data Solutions https://www.lisdatasolutions.com/blog/algoritmo-pca-de- lo-complejo-a-lo-sencillo/
RkJQdWJsaXNoZXIy MTM0Mzk2