MINERÍA la mejor puerta de acceso al sector minero EDICIÓN 581 / FEBRERO 2026 64 tres dimensiones principales: calidad de datos, integración tecnológica y adopción operativa. Calidad y disponibilidad de datos Uno de los principales retos iniciales fue la consolidación de una base de datos confiable. La información provenía de múltiples fuentes (PI System, SAP, Excel y registros manuales), con distintos niveles de granularidad, frecuencia y calidad. Se identificaron problemas como: Datos faltantes o incompletos en variables críticas. Distorsión en señales de instrumentos con alta variabilidad en las lecturas. Diferencias en la granularidad de los sistemas de captura. Esto requirió un proceso riguroso de limpieza, validación cruzada y generación de variables derivadas para asegurar la integridad del dataset utilizado en el entrenamiento del modelo. Complejidad del proceso metalúrgico El horno Ausmelt opera bajo condiciones altamente dinámicas, con múltiples variables interdependientes que afectan el rendimiento. Modelar este comportamiento no lineal representó un reto técnico importante, especialmente al buscar un equilibrio entre precisión predictiva y robustez operativa. Además, fue necesario definir límites operativos realistas para que las recomendaciones del modelo fueran viables desde el punto de vista técnico y de seguridad. Interpretabilidad y confianza en el modelo La adopción de modelos de Machine Learning en entornos industriales requiere más que precisión: es fundamental que los usuarios comprendan cómo y por qué el modelo genera ciertas recomendaciones. Inicialmente, existía dificultad en el equipo de Metalurgia respecto a confiar en la herramienta y romper la inercia para dejar de utilizar el modelo teórico. Para superar esta barrera, se incorporaron herramientas de interpretabilidad como SHAP, que permitieron visualizar el impacto de cada variable en las predicciones y facilitaron la validación técnica por parte del equipo técnico. Figura 8. Módulo de LingoSmelter en el que se observan las recomendaciones del modelo estadístico en función a los inputs recibidos.
RkJQdWJsaXNoZXIy MTM0Mzk2