MINERÍA la mejor puerta de acceso al sector minero EDICIÓN 580 / ENERO 2026 53 arquitectura modular, lo que facilita la integración de mecanismos evolutivos en distintos tipos de problemas, incluyendo la optimización de sistemas difusos. El uso de FGA permite una optimización evolutiva sin necesidad de conocimiento experto detallado. A diferencia de los FIS, que requieren la definición manual de reglas y funciones, y de ANFIS, que depende del gradiente para el ajuste de parámetros, los FGA pueden explorar el espacio de soluciones de manera más amplia y con menor sensibilidad a las condiciones iniciales. A lo largo del desarrollo del presente trabajo se ha analizado una evolución progresiva en la sofisticación de los sistemas inteligentes aplicados al control y optimización de procesos metalúrgicos. Para facilitar la comparación entre estos tres enfoques —FIS, ANFIS y FGA— se presenta a continuación la Tabla 5, que resume los criterios más relevantes desde el punto de vista práctico y computacional. Objetivos Analizar los principales factores operacionales y que influyen en la eficiencia del proceso de conminución, con énfasis en su relación con la granulometría. Comparar el desempeño del modelo propuesto frente a enfoques tradicionales como lógica difusa pura y redes neuronales - ANFIS, evaluando métricas de precisión, interpretabilidad y robustez. Validar el modelo con datos reales obtenidos de operaciones minero-metalúrgicas, evaluando su capacidad para predecir y optimizar el tonelaje, tamaño de partícula (P80/F80) y cantidad de agua consumida. Diagrama de flujo e información disponible En una encuesta realizada por Wei y Craig (2009, como se citó en Candiotti et al., 2020), se identificaron las principales variables consideradas en estrategias de mejora para circuitos de molienda cerrada. Tal como se observa en la Figura 5, el molino es abordado como un sistema de múltiples entradas y salidas, el cual puede descomponerse en subprocesos. Dentro de este enfoque, los autores introdujeron el concepto de variables manipulables Tabla 6. Variables Utilizadas Variable Unidad Descripción Tonelaje t/h Mineral alimentado Corr_M1 A Corriente bomba descarga M1 Corr_M2 A Corriente bomba descarga M2 Corr_ZAF A Corriente bomba ZAF Agua m3/h Agua alimentada F80 Mm Granulometría alimento Potencia kWh Potencia M1 Tabla 7. Variables Calculadas Variable Unidad Descripción Delta_ton t/h Variación tonelaje Tonelaje_Sugerido t/h Tonelaje sugerido por el modelo Agua_Sugerida m3/h Caudal de agua sugerido P80 μm Granulometría del producto real P80_predicho μm Granulometría estimada por el modelo Figura 7. FIS tipo Mamdani. Figura 8. FIS – Variables de entrada y salida.
RkJQdWJsaXNoZXIy MTM0Mzk2