Por: Andrea Rivera, Sandra Jara y Geraldine Quispe, Greatt de Innovación, Wim Perú.ResumenLa minería mundial atraviesa una etapa de transformación acelerada impulsada por mayores exigencias de productividad, sostenibilidad, seguridad y eficiencia energética. En ese contexto, los gemelos digitales (Digital Twins) se posicionan como una de las tecnologías con mayor potencial para optimizar operaciones complejas y mejorar la toma de decisiones en tiempo real.Un gemelo digital integra datos operativos, modelos matemáticos, simulación avanzada e inteligencia artificial para representar virtualmente equipos, circuitos o procesos industriales. Este artículo revisa los principios fundamentales, modos de operación y arquitectura de referencia de los gemelos digitales aplicados al procesamiento de minerales, y analiza dos experiencias en la industria minera peruana.Los resultados muestran beneficios tangibles en la estabilidad operacional, reducción de la variabilidad del proceso, aceleración del ramp up y soporte al mantenimiento predictivo, particularmente en circuitos de molienda. Asimismo, se identifican desafíos críticos relacionados con la interoperabilidad entre sistemas OT e IT, la calidad y gobernanza de los datos, la ciberseguridad y la gestión del cambio organizacional.Finalmente, se proponen lineamientos técnicos y organizacionales para una adopción efectiva de gemelos digitales en el contexto de la minería peruana, destacando su rol como habilitadores de operaciones más eficientes, seguras y orientadas hacia la autonomía y la optimización continua.Palabras clave: gemelos digitales, procesamiento de minerales, molienda, optimización de procesos, minería digital, innovación, automatización.IntroducciónLa minería enfrenta actualmente el desafío de incrementar la productividad, controlar costos y reducir la variabilidad operacional, mientras responde a crecientes exigencias en materia de sostenibilidad y seguridad. En una planta concentradora, desviaciones en variables como la granulometría, la carga circulante, la dosificación de reactivos o el consumo energético pueden impactar significativamente la recuperación metalúrgica, la disponibilidad de los equipos y los costos de operación. En este contexto, la digitalización se ha consolidado como un habilitador clave para mejorar el desempeño y la eficiencia de los procesos.Tradicionalmente, la optimización de plantas concentradoras se ha apoyado en sistemas de control regulatorio, control avanzado de procesos (APC) y análisis históricos de datos. Aunque estas herramientas han demostrado ser efectivas, presentan limitaciones frente a sistemas complejos, dinámicos y sujetos a variaciones continuas en las características del mineral. Por ello, la capacidad de anticipar el comportamiento del proceso y evaluar escenarios operativos en tiempo casi real se ha convertido en un factor crítico para la toma de decisiones.En este escenario, los gemelos digitales han emergido como una de las tecnologías habilitadoras más relevantes de la Industria 4.0. Estos sistemas integran un activo físico con su representación virtual mediante modelos, sensores y flujos continuos de datos, permitiendo monitorear, simular y optimizar su desempeño operacional (Melesse et al., 2020). Como resultado, diversas compañías mineras han comenzado a implementar esta tecnología en circuitos de molienda y flotación para mejorar la estabilidad operacional, reducir la variabilidad del proceso, acelerar la puesta en marcha de nuevas instalaciones y fortalecer sus estrategias de mantenimiento predictivo.MetodologíaEl presente trabajo corresponde a un artículo de revisión técnica basado en el análisis de estudios de caso. La investigación tuvo como objetivo sintetizar los principios y modos de operación de los gemelos digitales aplicados al procesamiento de minerales, describir una arquitectura de referencia compatible con entornos industriales OT/IT, documentar experiencias de implementación en el contexto peruano y discutir sus beneficios, limitaciones y perspectivas futuras.La selección de los casos de estudio se realizó mediante una búsqueda de iniciativas de transformación digital en la minería peruana que evidenciaron aplicaciones concretas de gemelos digitales en procesos metalúrgicos. Como resultado de este proceso, se identificaron las experiencias de Anglo American Quellaveco y Nexa Resources, unidad Cerro Lindo, las cuales contaban con información técnica disponible en fuentes públicas y acceso a profesionales involucrados directamente en su implementación y utilización.Ambos casos fueron considerados relevantes por representar aplicaciones reales de gemelos digitales en el procesamiento de minerales y por encontrarse entre las iniciativas de mayor desarrollo reportadas en el país.La recopilación de información se realizó mediante revisión documental y entrevistas semiestructuradas. Las fuentes documentales incluyeron literatura académica sobre gemelos digitales, normas ISO relacionadas con su conceptualización y arquitectura, presentaciones técnicas, webinars y publicaciones de la industria minera. Entre las fuentes más relevantes se consideraron la presentación de Rodolfo Vera sobre la experiencia de Quellaveco en el CIIT Latam Congress 2023, el webinar de Leonardo Almeida sobre el desarrollo de un gemelo digital aplicado a la molienda de minerales en Cerro Lindo y publicaciones técnicas relacionadas con ambos proyectos.De manera complementaria, se realizaron entrevistas semiestructuradas a Walter Iván Cabellos Acuña, superintendente de Infraestructura Operacional IM de Anglo American Quellaveco (20 de noviembre de 2024) y Leonardo Almeyda de Nexa Resources (16 de enero de 2025). Todas las entrevistas fueron realizadas de forma virtual.Asimismo, se utilizaron para complementar y contrastar la información obtenida en las fuentes documentales, así como para identificar factores de implementación, desafíos técnicos, limitaciones, requerimientos de infraestructura digital y recomendaciones para futuras aplicaciones de gemelos digitales en la minería peruana. La combinación de ambas fuentes permitió realizar una triangulación de información orientada a fortalecer la consistencia y validez de los hallazgos presentados.¿Qué es un gemelo digital y por qué genera valor al procesamiento de minerales?El concepto de gemelo digital fue introducido por Grieves en el contexto de la manufactura como una representación virtual asociada a un activo físico a lo largo de su ciclo de vida[1]. Posteriormente, su aplicación adquirió mayor notoriedad a partir de los trabajos desarrollados por la NASA, que utilizaron réplicas digitales para apoyar el monitoreo, la simulación y el análisis predictivo de sistemas aeroespaciales[2]. Desde entonces, el concepto ha evolucionado hasta convertirse en una de las tecnologías habilitadoras más importantes de la Industria 4.0.Estos sistemas integran un activo físico con su representación virtual mediante modelos, sensores y flujos continuos de datos, permitiendo monitorear, simular y optimizar su desempeño operacional[3].A diferencia de los modelos tradicionales de simulación utilizados comúnmente en ingeniería de procesos –los cuales suelen emplearse de forma offline para diseño, evaluación de escenarios o estudios puntuales– los gemelos digitales se caracterizan por mantener una conexión permanente con la planta concentradora o la mina. Actualmente, los gemelos digitales integran sensores, comunicación en tiempo real, analítica avanzada, aprendizaje automático y mecanismos de retroalimentación continua. Estas capacidades permiten no solo representar el estado actual de un sistema, sino también predecir comportamientos futuros y evaluar escenarios alternativos de operación[4].Esta integración con datos en línea permite que el modelo refleje cambios dinámicos en variables clave como tonelaje, granulometría, mineralogía, condiciones de operación y restricciones operativas, ampliando su aplicabilidad hacia el monitoreo, la predicción y la optimización continua del proceso (ver Figura 1).Es importante distinguir los gemelos digitales de otras herramientas comúnmente utilizadas en plantas concentradoras, como el control avanzado de procesos (APC) o los sistemas expertos. Mientras que el APC se enfoca principalmente en mantener variables dentro de rangos operativos mediante estrategias multivariables, el gemelo digital aporta una visión sistémica del proceso, basada en modelos físicos, fenomenológicos o híbridos, que permiten comprender las causas subyacentes del comportamiento del sistema y evaluar decisiones más allá del control regulatorio.Los gemelos digitales suelen construirse a partir de una combinación de modelos de balance de masa y energía, modelos cinéticos y empíricos, y modelos basados en datos. La selección del enfoque de modelamiento depende del objetivo del gemelo digital, de la disponibilidad y calidad de los datos, y del nivel de detalle requerido. En aplicaciones industriales, el uso de modelos híbridos –que combinan fundamentos físicos con calibración a partir de datos históricos y en línea– ha demostrado ser efectivo para capturar la complejidad de los procesos metalúrgicos sin comprometer la robustez operacional.En resumen, los gemelos digitales representan una evolución natural de las herramientas de modelamiento y optimización de parámetros en el procesamiento de minerales. Su principal valor radica en la capacidad de conectar el conocimiento del proceso con la información en tiempo real de la planta, transformando el modelo en una herramienta operativa que apoya la estabilidad, la optimización continua y la toma de decisiones informadas en plantas concentradoras.Aplicación funcional de gemelos digitales en el procesamiento de mineralesLos gemelos digitales pueden aportar valor en todas las etapas del ciclo de vida de una operación minera: diseño, preoperación, operación y rehabilitación. Durante la fase de diseño permiten evaluar escenarios y detectar deficiencias potenciales. En la etapa operacional facilitan el monitoreo en tiempo real y la simulación de estados futuros; mientras que en la fase de cierre contribuyen a la evaluación de alternativas de rehabilitación ambiental[6].Desde un punto de vista funcional, aplicados al procesamiento de minerales pueden operar bajo distintos modos, los cuales dependen del nivel de integración de datos y de la madurez digital de la planta. La Tabla 1 muestra sus principales modos de uso.Arquitectura técnica de gemelos digitalesLa generación de valor a partir de gemelos digitales en plantas concentradoras depende en gran medida de una arquitectura técnica adecuada, que permita integrar de manera confiable el proceso físico, los sistemas de control y las plataformas digitales de análisis y modelamiento. Una implementación efectiva no se limita al desarrollo del modelo matemático, sino que requiere una infraestructura de datos robusta y una clara interoperabilidad entre los entornos operacionales (OT) y de tecnologías de la información (IT)[8].Diversos marcos de referencia, como la norma ISO 23247, proponen arquitecturas conceptuales para gemelos digitales en sistemas industriales, proporcionando lineamientos generales sobre la organización de estas capas y la gestión del ciclo de vida del gemelo digital[9]. No obstante, en el contexto del procesamiento de minerales, la arquitectura debe adaptarse a las condiciones específicas de cada planta, considerando factores como la madurez digital, la infraestructura existente y los objetivos operativos perseguidos.De forma general, la arquitectura de un gemelo digital en procesamiento de minerales se sustenta en cinco aspectos principales: elementos físicos, capa de adquisición de datos, capa de gestión e integración de datos (integración OT/IT), capa de modelamiento y aplicaciones (núcleo) y la capa de usuario (Interfaces, dashboards)[9] (ver Figura 3).La capa de adquisición de datos constituye la base del gemelo digital. La calidad, confiabilidad y frecuencia de los datos provenientes de instrumentos de proceso –tales como mediciones de caudal, densidad, granulometría, potencia, presión y niveles– condicionan directamente el desempeño del modelo. Problemas como latencias elevadas, señales ruidosas o sensores con baja disponibilidad pueden afectar significativamente el desempeño del modelo digital.La capa intermedia de servidores e integración de datos cumple un rol crítico en la arquitectura. En esta capa se ubican los historiadores de datos de proceso, las plataformas de integración OT–IT y los servicios de comunicación que permiten el flujo bidireccional de información entre la planta y el gemelo digital. La correcta gestión de esta capa es fundamental para asegurar consistencia temporal, trazabilidad de datos y ciberseguridad, especialmente cuando el gemelo digital se utiliza para apoyar decisiones en tiempo casi real. En este contexto, soluciones híbridas que combinan computación local (edge) con servicios en la nube suelen ofrecer un equilibrio adecuado entre latencia, escalabilidad y ciberseguridad[10]. En operaciones peruanas, estas decisiones arquitectónicas son determinantes para la sostenibilidad del gemelo digital en el tiempo.Finalmente, la capa superior de modelamiento y aplicaciones corresponde al gemelo digital propiamente dicho, donde residen los modelos de proceso, los módulos de simulación y las aplicaciones de visualización y soporte a la toma de decisiones. Dependiendo del objetivo de la implementación, esta capa puede incluir modelos físicos, fenomenológicos, empíricos o híbridos, así como interfaces gráficas orientadas al usuario final, generalmente ingenieros de proceso y personal de operaciones. En implementaciones maduras, esta capa puede integrarse con sistemas de planificación, mantenimiento o control avanzado, ampliando el alcance del gemelo digital más allá del análisis puntual.Roadmap de implementaciónA partir de la revisión bibliográfica y de las entrevistas realizadas a especialistas de Anglo American Quellaveco y Nexa Resources, se propone una hoja de ruta para la implementación de gemelos digitales en operaciones mineras y metalúrgicas. Esta propuesta busca reducir riesgos de implementación y maximizar la generación de valor durante el proceso de adopción. La Tabla 2 explica las etapas de la hoja de ruta.En este contexto, el roadmap no debe entenderse únicamente como una secuencia tecnológica, sino como un proceso integral de madurez organizacional que articula personas, procesos y tecnología.Casos de estudio en operaciones mineras del PerúCaso peruano 1: Proyecto Quellaveco y el comisionamiento virtualUno de los casos más emblemáticos en el Perú es el de Anglo American Quellaveco. Durante la fase final de construcción de la planta concentradora, la pandemia del Covid-19 impuso restricciones críticas que amenazaban el cronograma de puesta en marcha.En este contexto, el proyecto optó por desarrollar una réplica digital de la planta, basada en modelos matemáticos rigurosos y datos referenciales, con el fin de adelantar pruebas y capacitación antes de contar con la infraestructura física completamente terminada.Este enfoque permitió implementar un comisionamiento virtual. A través de simuladores y modelos de proceso, se validaron secuencias operativas, lógica de control, comportamiento esperado de los equipos y escenarios de contingencia. Asimismo, se diseñaron programas de entrenamiento para operadores, coordinadores y supervisores, brindándoles una aproximación práctica y anticipada a las condiciones reales de operación.Más allá del avance tecnológico alcanzado, esta experiencia destaca por los beneficios obtenidos en términos de preparación operacional y tiempo de puesta en marcha. En Quellaveco, la implementación del gemelo digital permitió simular más de 100 escenarios en distintas áreas de la planta (CIIT Perú, s. f.) y desarrollar 65 escenarios de entrenamiento para operadores (CIIT Perú, s. f.). Estas capacidades facilitaron la evaluación anticipada de condiciones operativas, la validación de estrategias de respuesta y el fortalecimiento de las competencias del personal antes del arranque.Como resultado, el periodo de ramp up se redujo de aproximadamente 17 meses a cerca de 6 meses (CIIT Perú, s. f.). Esta mejora representó un beneficio significativo para la operación, al acelerar la captura de valor del proyecto, reducir la incertidumbre asociada a la puesta en marcha y contribuir a una transición más eficiente hacia condiciones estables de producción[11].Más allá de los resultados obtenidos durante la puesta en marcha de la planta, Quellaveco continúa ampliando el uso de gemelos digitales hacia las operaciones de mina. Esta herramienta integra datos operativos y modelos de planificación para optimizar, en tiempo casi real, la programación de actividades mineras, la gestión del blending y el desempeño de los equipos de carguío. La implementación de estas capacidades refuerza el potencial de los gemelos digitales para mejorar la coordinación operacional, incrementar la productividad y apoyar la toma de decisiones en entornos mineros complejos[12].No obstante, la implementación de gemelos digitales también presenta desafíos importantes. Según W. I. Cabellos Acuña (comunicación personal, 20 de noviembre de 2024), estas soluciones demandan recursos significativos para su desarrollo, mantenimiento y actualización, además de personal con competencias especializadas en datos, modelamiento y operación. Por ello, recomendó que su implementación esté sustentada en beneficios claramente cuantificables y en una estrategia que asegure la sostenibilidad de la solución a largo plazo.Caso peruano 2: Cerro Lindo y la molienda inteligenteEl segundo caso relevante corresponde a Nexa Resources en la unidad minera Cerro Lindo, donde se desarrolló un gemelo digital de proceso aplicado al circuito de molienda primaria. A diferencia de los gemelos digitales orientados a activos físicos, esta iniciativa se enfocó en construir una representación digital del proceso capaz de estimar variables operacionales críticas y generar información para optimizar el control y desempeño de la molienda (L. Almeyda, comunicación personal, 16 de enero de 2025).La implementación formó parte de un roadmap de digitalización orientado al procesamiento de minerales. Los principales objetivos fueron reducir la variabilidad operativa, mejorar la visibilidad del proceso, optimizar el tonelaje procesado y estimar variables que no podían medirse directamente mediante la instrumentación convencional. La estrategia contempló una implementación progresiva, iniciando con pruebas de concepto en 2023, continuando con la integración industrial durante 2024 y avanzando hacia una etapa de captación de valor operacional durante 2025. (L. Almeyda, comunicación personal, 16 de enero de 2025).Una de las lecciones más relevantes del proyecto fue la necesidad de fortalecer previamente las capacidades digitales de la operación. Antes de desarrollar el gemelo, fue necesario cerrar brechas de instrumentación básica en el circuito de molienda, incluyendo sensores de nivel, densímetros, flujómetros y variables asociadas al desempeño del molino (L. Almeyda, comunicación personal, 16 de enero de 2025).Una vez fortalecida esta base tecnológica, el proyecto avanzó mediante la incorporación de sensores físicos, sensores virtuales y modelos híbridos que combinan redes neuronales con información operacional. La información generada fue integrada con el sistema de control distribuido (DCS) y con la plataforma PI System, permitiendo centralizar la visualización e historización de las variables calculadas (L. Almeyda, comunicación personal, 16 de enero de 2025). Esta integración buscó evitar la proliferación de plataformas independientes y facilitar la adopción de la tecnología dentro de las rutinas operativas.Entre los principales resultados obtenidos se encuentran la estimación en línea del tamaño de producto P80 (Almeida, 2023), la reducción de la dependencia de muestreos manuales (Almeida, 2023), la estimación en tiempo real de los niveles de carga del molino (Jb y Jc) sin necesidad de detener la operación (Almeida, 2023) y la predicción del desgaste de revestimientos mediante pronósticos diarios de la altura de los liners (Almeida, 2023). Asimismo, la iniciativa permitió optimizar la reposición de medios de molienda y reducir la variabilidad operacional respecto a la línea base del proceso (Almeida, 2023)[13].También se identificaron beneficios potenciales en materia de seguridad. La estimación remota del desgaste de revestimientos podría reducir la necesidad de inspecciones presenciales durante determinadas actividades de mantenimiento, disminuyendo la exposición del personal a zonas de riesgo.La experiencia también puso de manifiesto varios desafíos asociados a la implementación de gemelos digitales en minería. De acuerdo con Almeyda (comunicación personal, 16 de enero de 2025), las principales dificultades estuvieron relacionadas con la arquitectura tecnológica, la integración entre entornos TI y OT, los requerimientos de ciberseguridad y la conectividad necesaria para garantizar el flujo confiable de información entre los sistemas. El proceso de integración industrial demandó aproximadamente un año de trabajo para alcanzar una configuración capaz de satisfacer los requerimientos operacionales de latencia y disponibilidad de datos.Otro factor crítico fue la adopción organizacional. Nexa implementó programas de capacitación en inteligencia artificial y transformación digital antes de desplegar las herramientas tecnológicas, con el objetivo de desarrollar capacidades internas y facilitar la comprensión del valor asociado a estas soluciones (L. Almeyda, comunicación personal, 16 de enero de 2025). La centralización de la información en plataformas ya utilizadas por los usuarios permitió reducir la resistencia al cambio y favorecer la incorporación progresiva del gemelo digital en los procesos de análisis y toma de decisiones de metalurgistas, jefes de guardia y supervisores.Finalmente, el caso de Cerro Lindo evidencia que el valor de un gemelo digital no depende únicamente de la precisión de sus modelos, sino también de su integración efectiva con los procesos operativos y con las personas que utilizan la información generada.BeneficiosEn base a los casos mostrados la adopción de gemelos digitales en minería ofrece beneficios claros como:ν Mejora de la estabilidad operacional.ν Fortalecimiento del mantenimiento predictivo.ν Seguridad y cuidado del personal operativo.ν Entrenamiento de personal.En procesos como molienda y flotación, reducir la variabilidad es casi tan importante como elevar el promedio de desempeño.Además de sus beneficios operacionales, los gemelos digitales pueden contribuir al cumplimiento de objetivos ambientales, sociales y de gobernanza (ESG), al proporcionar información más precisa para el monitoreo del desempeño, la gestión de recursos y la toma de decisiones basada en datos. Su aplicación tiene el potencial de generar valor a lo largo de todo el ciclo de vida de los proyectos mineros[5].Desafíos y limitacionesA pesar de su creciente adopción, la implementación de gemelos digitales en minería continúa enfrentando desafíos relacionados con la interoperabilidad entre sistemas, la calidad de los datos, la escalabilidad de las soluciones y la validación de modelos en entornos industriales reales. Asimismo, las tendencias recientes apuntan a una mayor integración con inteligencia artificial y aprendizaje automático para incrementar las capacidades predictivas y de optimización autónoma[14].La Tabla 3 resume los principales retos identificados, su impacto sobre la generación de valor y las acciones recomendadas para su mitigación.Conclusiones1. Los gemelos digitales se están consolidando como una de las herramientas más prometedoras para elevar el desempeño del procesamiento de minerales. Su valor no reside únicamente en la visualización de datos, sino en la capacidad de representar dinámicamente el proceso, anticipar comportamientos, estimar variables críticas y apoyar decisiones operativas y de mantenimiento.2. Las experiencias de Quellaveco y Cerro Lindo muestran que la tecnología ya está generando valor en la minería peruana, aunque con objetivos diferentes. En Quellaveco, el mayor impacto estuvo en el comisionamiento virtual y la reducción del ramp up. En Cerro Lindo, el foco se orientó a la molienda inteligente, la reducción de variabilidad y la estimación en línea de variables clave.3. También queda claro que el algoritmo, por sí solo, no garantiza resultados. La calidad del dato, la confiabilidad de la instrumentación, la integración OT/IT, la ciberseguridad y la gestión del cambio son factores determinantes. En otras palabras, un gemelo digital exitoso es tanto una solución tecnológica como una capacidad organizacional.4. A futuro, el potencial de los gemelos digitales en minería se amplía con su integración a lo largo de la cadena de valor, conectando decisiones desde mina hasta planta y habilitando esquemas de operación semiautónoma. La convergencia entre gemelos digitales, control avanzado e inteligencia artificial abre oportunidades para sistemas capaces de aprender continuamente del proceso y adaptarse a condiciones cambiantes en tiempo casi real.5. Para la minería peruana, caracterizada por la alta variabilidad geológica y operaciones de gran escala, este enfoque representa una oportunidad estratégica para mejorar competitividad, sostenibilidad y resiliencia operacional, siempre que se adopte bajo un enfoque gradual, con métricas claras de negocio y una gestión activa del cambio organizacional.6. La minería peruana tiene condiciones favorables para ampliar estas aplicaciones hacia flotación, gestión energética, integración mina-planta y operaciones semiautónomas. Bajo un enfoque gradual y con métricas de negocio claras, los gemelos digitales pueden convertirse en un componente estructural de la competitividad minera.7. Los resultados presentados en este artículo sugieren que los gemelos digitales pueden desempeñar un rol clave en la transición hacia operaciones más estables, informadas y progresivamente más autónomas. La consolidación de experiencias prácticas, el fortalecimiento de las capacidades internas y el desarrollo de hojas de ruta claras de transformación digital serán elementos fundamentales para que esta tecnología se convierta en un habilitador efectivo de la optimización continua en el procesamiento de minerales en el Perú.Referencias Bibliográficas[1] Grieves, M. 2002. Digital twin: Manufacturing excellence through virtual factory replication [White paper]. Florida Institute of Technology.[2] J. Glaessgen y D. Stargel. 2012. "The Digital Twin Paradigm for Future NASA and U.S. Air Force Vehicles," Proceedings of the 53rd AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics, and Materials Conference, Honolulu, EE.UU.[3] T. Y. Melesse, V. D. Pasquale, S. Riemma. 2019. Digital twin models in industrial operations: A systematic literature review, Procedia Manufacturing 42 (2020) 267–272, international Conference on Industry 4.0 and Smart Manufacturing (ISM 2019). doi:https://doi.org/10.1016/j.promfg.2020.02.084.[4] Hasan, S. K., & Crawford, C. W. 2025. A new era for digital twins: Progress and industry adoption. Digital Twin, 2(4). https://doi.org/10.1080/27525783.2025.2555877[5] Cranford, R. 2023. Conceptual application of digital twins to meet ESG targets in the mining industry. Frontiers in Industrial Engineering, 1. https://doi.org/10.3389/fieng.2023.1223989[6] Ghahramanieisalou, M., & Sattarvand, J. 2024. Digital Twins and the Mining Industry. In Technologies in Mining. IntechOpen. https://doi.org/10.5772/intechopen.1005162[7] De Prada, C., Galán-Casado, S., Pitarch, J.L., Sarabia, D., Galán, A., Gutiérrez G. 2022. Digital Twins in the Process Industry. Revista Iberoamericana de Automática e Informática Industrial 19, 285-296. https://doi.org/10.4995/riai.2022.16901[8] ISO. 2021. ISO 23247-1: Automation systems and integration — Digital twin framework for manufacturing — Part 1: Overview and general principles. International Organization for Standardization.[9] ISO. 2021. ISO 23247-2: Automation systems and integration — Digital twin framework for manufacturing — Part 2: Reference architecture. International Organization for Standardization.[10] A. Rendón. 2022. “Article,” Mexico Business, Jul. 12. https://mexicobusiness.news/tech/news/digital-twins-foundation-autonomy-mineral-processing.[11] CIIT Perú. (s. f.). Presentación de Rodolfo Vera de Anglo American en el CIIT Latam Congress 2023 [Video]. YouTube. https://youtu.be/J6p1AXreAQY[12] F. Carrillo y J. Mansilla. 2025. «Impacto de los gemelos digitales en la eficiencia y productividad de minas autónomas: caso Mina Quellaveco (Anglo American)», Accedido: 15 de marzo de 2026. [En línea]. Disponible en:https://perumin.com/perumin37/public/uploads/shares/programas-doc/foro-tis/salas/Mineria_4.0/TT-201%20Miner%C3%ADa%204.0.pdf[13] Almeida, L. 2023, octubre 6. Desarrollo de un gemelo digital aplicado a la molienda de minerales [Webinar]. Ciclo Congreso Internacional, Escuela de Posgrado UNI. https://www.youtube.com/watch?v=hDgxl1jgGoo[14] Ebad, S. A., Abueid, A. I., Amara, M., & Ahmed, R. 2026. AI-driven digital twins in mining operations: A comprehensive review. Technologies, 14(5), 269. https://doi.org/10.3390/technologies14050269
