MINERÍA la mejor puerta de acceso al sector minero EDICIÓN 575 / AGOSTO 2025 101 3. Las celdas Jameson optimizan la flotación Cu–Mo al generar burbujas finas, aumentar la recuperación y reducir el arrastre de ganga. Su uso como cleaner/scalper y recleaner mejora la calidad del concentrado y permite diagnosticar la eficiencia de liberación, facilitando un control más preciso del proceso y una mayor eficiencia metalúrgica. 4. El modelo de Machine Learning aplicado permitió predecir eficazmente la presencia de sobreespumación en procesos Cu–Mo tipo pórfido-skarn, destacando el Bosque Aleatorio como el algoritmo más robusto. La integración de variables geometalúrgicas como talco, pH y tipo de reactivo, refuerza su aplicación operativa. Este enfoque respalda decisiones técnicas para mitigar impactos metalúrgicos en planta. 5. La aplicación conjunta de herramientas predictivas, operativas y tecnológicas en la flotación Cu–Mo permite reducir el uso de agua, energía y reactivos, disminuyendo significativamente la huella ambiental del proceso, favoreciendo a una operación más sostenible. Bibliografía Akerstrom, J. S. 2020. Cleaner circuit optimization at Cadia operations. Glencore Technology. Arce Rado, D. W., & Copara Gorveña, J. J. 2024. Evaluación de la influencia del magnesio y talco en la recuperación de cobre por flotación en una empresa minera ubicada en la región de Apurímac [Tesis de licenciatura, Universidad Nacional de San Agustín de Arequipa]. Facultad de Ingeniería de Procesos, Escuela Profesional de Ingeniería Química. Canchaya Moya, S. 2017. Unidades geometalúrgicas vs modelo geometalúrgico [Presentación en conferencia]. Congreso Geomet 2017, Lima, Perú. Castro, J. A., Dávila, R. P. M., Torres, J. A., & Aramburú, V. S. 2022. Geometalurgia y el análisis de la data. Importancia y aplicaciones en Perú. Instituto de Ingenieros de Minas del Perú (IIMP). https://dialnet.unirioja.es/servlet/articulo?codigo=8754239 Castro, J., Julián, A., Ayala, E., & Becerra, G. 2022. Rol y desafíos de la geometalurgia operacional en Cerro Corona, Cajamarca, Perú. Congreso de Minería. https://app.ingemmet. gob.pe/biblioteca/pdf/Lib-216-163.pdf Corbett, G., & Leach, T. 1997. Southwest Pacific Rim gold-copper systems: Structure, alteration, and mineralization. https://corbettgeology.com/wp-content/uploads/2016/07/ short-course-manual-1997.pdf Garrido, M., Sepúlveda, E., Ortiz, J. M., & Townley, B. 2020. A methodology for the simulation of synthetic geometallurgical block models of porphyry ore bodies. Natural Resources ReFuente: elaboración propia. Nota: visualiza la distribución de variables clave como Talco, MgO y Wi frente a la variable objetivo (sobreespuma). Permite observar su comportamiento diferencial y su relevancia en el modelo. Figura 21. Box Plot comparativo por variables. Fuente: elaboración propia. Nota: resume el desempeño estadístico de los tres modelos aplicados. El Bosque Aleatorio obtuvo los mejores valores en AUC (0.800) y precisión (0.714), ideal para tareas predictivas. Figura 22. Resultados de validación cruzada – Test and Score.
RkJQdWJsaXNoZXIy MTM0Mzk2