MINERÍA la mejor puerta de acceso al sector minero EDICIÓN 583 / ABRIL 2026 60 En la minería moderna, donde los márgenes económicos van restringiéndose y las exigencias de sostenibilidad aumentan, las incorporaciones de herramientas tecnológicas avanzadas dejan de ser una opción para convertirse en una necesidad estratégica. Históricamente, el diseño de las voladuras ha sido realizado mediante métodos empíricos o semiempíricos, apoyados en las experiencias de operadores o ingenieros de campo. Si bien estos métodos han sido funcionales, la precisión, reproducibilidad y capacidad de respuesta ante las condiciones geológicas económicas, siempre se han puesto en duda. Por ejemplo, la presencia de discontinuidades, zonas de falla o alteraciones litológicas no son siempre consideradas, lo que lleva a una fragmentación deficiente, sobreexplotaciones, bolonería, mayor consumo de explosivo o en el peor de los casos, a eventos indeseables como dilataciones de roca o derrumbes de taludes. Los modelos de Inteligencia Artificial (IA) en los procesos de diseño geomecánico de voladuras hoy permiten automatizar decisiones técnicas y mejorar constantemente los diseños, basándose en datos reales. Estos modelos aplican algoritmos de machine learning, redes neuronales, lógica difusa, etc., para satisfacer los requisitos de realizar predicciones correctas y adaptativas en distintas realidades en función de múltiples variables en tiempo real. En este sentido, herramientas como el software Mastin Blasting, hecho en Perú, son una de las ciencias más representativas del sistema, ya que elabora mallas de perforación y voladura (basadas en parámetros geotécnicos reales), efectúa distintas modelaciones, calcula efectos de vibración, energía, fragmentación (P80, P50), impone restricciones operativas y ambientales, e integra módulos de IA para la optimización de diseños unilaterales. La eficiencia en la operación minera, particularmente en las etapas de perforación y voladura depende directamente del conocimiento del comportamiento geomecánico del macizo rocoso. Los métodos empíricos han mostrado limitaciones frente a realidades complejas como fracturamiento irregular, litologías mixtas o controles ambientales muy estrictos. Es en este contexto que surge la necesidad de un modelo inteligente que integre el diseFigura 1. Fragmentación P80 en función del Índice Geomecánico (IG). Nota: a través de esta imagen se puede comprender la relación que existe entre el índice geomecánico de voladuras y el P80 para los resultados de la fragmentación. Figura 2. Curva de fragmentación – Modelo KUZ-RAM (IG aplicado). Nota: a través de esta imagen se puede comprender la relación que existe entre la distribución acumulada (%) y el tamaño del fragmento.
RkJQdWJsaXNoZXIy MTM0Mzk2