MINERÍA la mejor puerta de acceso al sector minero EDICIÓN 581 / FEBRERO 2026 65 Alineamiento cultural y operacional Otro desafío clave fue la integración del modelo en la rutina operativa. La toma de decisiones en planta estaba históricamente basada en la experiencia de los operadores y en el modelo teórico tradicional. La transición hacia un enfoque basado en datos sigue siendo un reto y exige lo siguiente: Capacitación técnica del personal. Generación de confianza progresiva mediante resultados tangibles. Acompañamiento continuo para resolver dudas y ajustar recomendaciones. Este proceso de cambio cultural es gradual, pero esencial para lograr una adopción efectiva y sostenible de la herramienta. Conclusiones 1. La implementación del modelo estadístico LingoSmelter, basado en técnicas de Machine Learning, representa un hito en la transformación digital de los procesos metalúrgicos de Minsur, enmarcada en los principios de la Minería 4.0. A lo largo del desarrollo del proyecto, se enfrentaron desafíos significativos relacionados con la calidad de los datos, la complejidad del proceso, la interpretabilidad del modelo y la adopción del equipo. Sin embargo, estos retos fueron y están siendo abordados mediante un enfoque multidisciplinario que combina ciencia de datos, conocimiento metalúrgico y gestión del cambio. 2. Entre los principales logros del proyecto se destacan: Precisión predictiva superior: el modelo estadístico redujo el MAE, MAPE y RMSE en más del 35% respecto al modelo teórico, lo que permitió una estimación más confiable de la recuperación de metal crudo en el horno Ausmelt. Comprensión profunda del proceso: el uso de técnicas SHAP permitió validar la coherencia del modelo con el conocimiento técnico, identificando las variables más influyentes y sus interacciones. Optimización operativa basada en datos: la integración con algoritmos evolutivos permitió simular escenarios y recomendar condiciones óptimas de operación, dentro de límites técnicos seguros. Impacto económico tangible: se identificó una mejora potencial de 1.78% en la recuperación de metal crudo promedio por batch, con un VAN estimado de US$ 1.3 millones, evaluado en un periodo de seis años. Cambio cultural progresivo: la adopción creciente de las recomendaciones por parte del equipo operativo refleja una transición prometedora hacia una cultura de toma de decisiones basada en evidencia y analítica avanzada. 3. En conjunto, LingoSmelter no solo ha demostrado su valor técnico y económico, sino que también ha sentado las bases para futuras iniciativas de analítica avanzada en la fundición y refinería de Minsur. Este proyecto reafirma que la combinación de datos, tecnología y conocimiento del proceso es clave para construir una minería más eficiente, sostenible e inteligente. Bibliografía Ali, A. 2024. Una introducción a los valores SHAP y a la interpretabilidad del machine learning. Datacamp. Recuperado de: Una introducción a los valores SHAP y a la interpretabilidad del machine learning | DataCamp el 15 de julio de 2025. Russi, E., Kavlakoglu, E. 2024. What is XGBoost? IBM. Recuperado de: What is XGBoost? | IBM el 15 de julio de 2025. Storn, R, Price, K. 1997. Differential Evolution – A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces. Journal of Global Optimization, v. 11, p. 341 - 359.
RkJQdWJsaXNoZXIy MTM0Mzk2