MINERÍA la mejor puerta de acceso al sector minero EDICIÓN 581 / FEBRERO 2026 55 Por: Luis Vargas Jeri, Ardiles Puma Qquenta y Malmco Camborda Morocho, Minsur. with evolutionary optimization methods (Differential Evolution Solver). The model was trained using historical operational data from the Ausmelt furnace, including variables such as feed composition, coal and natural gas consumption, temperature, among others, as well as the actual crude metal recovery per batch. Subsequently, an optimization process was applied to identify combinations of operational parameters that maximize the predicted performance within the technical and safety limits of the process. Resumen El presente trabajo describe el desarrollo, implementación y evaluación de LingoSmelter, un modelo estadístico basado en técnicas de Machine Learning (ML) orientado a la optimización de la recuperación de metal crudo de estaño en el horno Ausmelt de la planta de fundición de Minsur. Tradicionalmente, la predicción de la recuperación de metal crudo se ha basado en un modelo teórico sustentado en balances de masa y energía, el cual, si bien es funcional, presenta limitaciones frente a la variabilidad operativa y la complejidad de los datos del proceso. LingoSmelter se construyó a partir de un flujo de trabajo de analítica avanzada que integra algoritmos de aprendizaje supervisado (XGBoost) con métodos de optimización evolutiva (Differential Evolution Solver). El modelo fue entrenado con datos históricos de operación del horno Ausmelt, incluyendo variables como composición de alimentación, consumo de carbón y gas natural, temperatura, entre otros, y recuperación de metal crudo real por batch. Posteriormente, se aplicó un proceso de optimización para identificar combinaciones de parámetros operativos que maximicen el rendimiento predicho, dentro de los límites técnicos y de seguridad del proceso. La validación del modelo se realizó mediante métricas estándar de evaluación de regresión (MAE, MAPE y RMSE), comparando su desempeño frente al modelo teórico. Los
RkJQdWJsaXNoZXIy MTM0Mzk2