MINERÍA la mejor puerta de acceso al sector minero EDICIÓN 581 / FEBRERO 2026 61 generar soluciones candidatas. Selección: se evalúa cada solución con la función objetivo (en este caso, la recuperación de metal crudo predicha por XGBoost) y se conserva la mejor. Este proceso se repite durante múltiples generaciones hasta converger hacia una solución óptima o suficientemente buena. Ventajas clave de DES No requiere derivadas ni supuestos sobre la forma de la función objetivo. Robusto frente a funciones con múltiples óptimos locales. Fácil de implementar y ajustar. Ideal para problemas con restricciones y múltiples variables interdependientes. Para el desarrollo de LingoSmelter, DES permitió explorar combinaciones de parámetros operativos (como la dosificación de gas natural y carbón para las etapas de fusión y reducción) para maximizar la recuperación de metal crudo predicha, respetando los límites técnicos y de seguridad del proceso. Desarrollo de plataforma Optimus Tin Como parte de la maduración de LingoSmelter, se vio la necesidad de desarrollar una solución web (ver Figuras 7 y 8) diseñada para disponibilizar el modelo analítico de predicción y optimización de la recuperación de metal crudo del horno Ausmelt, facilitando su uso por parte del ingeniero metalurgista responsable de determinar los parámetros operativos y, en una siguiente fase, para que el personal operativo pueda acceder en tiempo real a los modelos de carga y energía generados. Esta plataforma representa la capa de interacción entre el usuario y el modelo estadístico, permitiendo una toma de decisiones más ágil, informada y basada en datos. El objetivo principal de Optimus Tin es operacionalizar el modelo analítico desarrollado en Databricks, permitiendo su ejecución bajo demanda, visualización de resultados y generación de recomendaciones operativas en un entorno accesible, seguro y amigable para el usuario final. Funcionalidades clave Ejecución del modelo bajo demanda: el usuario puede imputar datos y condiciones y ejecutar el modelo para obtener predicciones de recuperación de metal crudo y recomendaciones óptimas. Visualización de resultados: gráficos y tablas que muestran la recuperación de metal crudo estimada, comparación con el modelo teórico y variables críticas. Historial de ejecuciones: registro de consultas anteriores, permitiendo trazabilidad y análisis comparativo. Seguridad y control de acceso: autenticación mediante Active Directory y gestión de permisos por rol. Validación y comparación de modelos Para evaluar el desempeño del modelo estadístico, se compararon sus predicciones con los valores reales y con las estimaciones del Tabla 1. Resultados de Métricas de Evaluación* Métrica Estadístico vs real Teórico vs real MAE, % 2.56 4.61 MAPE, % 3.60 6.01 RMSE, % 3.91 6.12 *Para el modelo estadístico (Machine Learning) y el teórico, ambos comparados con los datos reales. Tabla 2. Evolución Progresiva del Impacto de las Recomendaciones de LingoSmelter en la Recuperación de Metal Crudo en 2025 Mes Incremento de recuperación de metal crudo por batch Enero +0.00% Febrero +0.13% Marzo +0.04% Abril +0.01% Mayo +0.16% Junio +0.55%
RkJQdWJsaXNoZXIy MTM0Mzk2