Generación de un modelo geometalúrgico de un yacimiento de Cobre en base a técnicas de aprendizaje de máquinas
Loading...
Date
2022
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
La gran cantidad de factores involucrados en los proyectos mineros es una de las causas de la complejidad que estos proyectos presentan. La eficiencia de la inversión minera es un tema crucial en esta industria, donde los problemas más comunes en la ejecución de los proyectos son el sobrepasar la inversión estimada y/o sobreestimar de la capacidad de
procesamiento de la planta. El concepto emergente de modelo geometalúrgico de un yacimiento es una probable solución, incidiendo en mejoras en la toma de decisiones. El objetivo general de esta tesis es diseñar, implementar y validar un modelo geometalúrgico de un yacimiento de cobre, utilizando técnicas de aprendizaje no supervisado. Una contribución importante de este trabajo es la aplicación en un yacimiento de cobre, junto con la evaluación del impacto al valor de proyecto. Este estudio, utiliza una base de datos de 569 sondajes con 1112 vectores de datos, que
contienen variables espaciales de ubicación, concentración de distintos elementos, datos de procesamiento metalúrgico, mineralogía y variables geológicas. Se evalúan distintas combinaciones de datos de entrada preprocesada y la reducción de dimensiones, junto con la aplicación de k-means, agrupación jerárquica (AGG), DBSCAN y mapa autoorganizado. Se mide la calidad del modelo geometalúrgico a través de indicadores de validación interna de agrupación. Finalmente, el principal resultado obtenido es la generación de un modelo geometalúrgico con la técnica de aprendizaje de máquinas donde el algoritmo k-means tiene mejor desempeño. Los resultados indican que es posible excluir las variables espaciales y categóricas de geología. La aplicación de la técnica de reducción de dimensión no mejora
el desempeño del modelo. Adicionalmente, en la evaluación del impacto al valor del proyecto, la aplicación del modelo geometalúrgico afecta la secuencia de extracción y presenta una mejora de orden de 4% en el valor.
Description
Tesis (Magíster en Ciencias de la Ingeniería)--Pontificia Universidad Católica de Chile, 2022
Keywords
Aprendizaje No supervisado, Geometalurgia, Modelo geometalúrgico