Alberto Fernández, docente del Departamento de Ingeniería en Minas de la Universidad de Santiago (Dimin USACH), ha desarrollado una investigación que busca mejorar las etapas de exploración y producción minera. Su estudio, titulado «Ore/waste identification in underground mining through geochemical calibration of drilling data using machine learning techniques», ha sido publicado en la revista «Ore Geology Reviews».
Uso de técnicas de Inteligencia Artificial en la industria minera
El foco de esta investigación está en la utilización de técnicas de Inteligencia Artificial (IA) para procesar los datos generados en la operación de perforación. El objetivo es construir modelos de predicción de propiedades del macizo rocoso que se ajusten a las características del yacimiento y a la tecnología de perforación usada en las operaciones mineras.
Publicidad
Importancia de la calibración de datos
La clave de este modelo radica en la calibración de diferentes patrones y niveles en las señales de perforación con información geológica, geotécnica y/o geoquímica. Esto permite una mejor caracterización de los recursos estudiados en las etapas de exploración y su adaptación en las etapas de producción, logrando un diseño de tronadura más eficiente.
