Un estudio publicado en Engineering Applications of Artificial Intelligence presenta la revisión más completa hasta la fecha sobre el uso de técnicas de optimización y algoritmos de inteligencia artificial aplicados a la planificación minera a cielo abierto. Titulado “A critical review of bench aggregation and mining cut clustering techniques based on optimization and artificial intelligence to enhance the open-pit mine planning”, el trabajo fue elaborado por Jorge Luiz Valença Mariz, Mohammad Mahdi Badiozamani, Rodrigo de Lemos Peroni y Ricardo Martins de Abreu Silva.
Te puede interesar
La investigación analiza 58 estudios desarrollados entre 1967 y 2022 que abordan el problema de agregación de bloques y clustering de cortes mineros, una de las tareas más complejas en la planificación de minas debido a su naturaleza NP-hard, es decir, sin solución óptima conocida en tiempo polinomial. Frente a ello, los investigadores revisan estrategias que agrupan bloques en bancos, fases y cortes mineros, simplificando los modelos de secuenciamiento y haciendo más factible la operación real.
Los autores destacan que, aunque la capacidad computacional ha crecido de forma exponencial, el desafío de determinar secuencias mineras factibles y económicamente óptimas sigue vigente. Las técnicas tradicionales, basadas en heurísticas o programación matemática exacta, están siendo reemplazadas progresivamente por métodos de clustering basados en inteligencia artificial no supervisada, capaces de identificar patrones espaciales y operacionales sin requerir una supervisión explícita.
El estudio muestra que estas herramientas —incluyendo algoritmos genéticos, K-means, fuzzy clustering y modelos híbridos de aprendizaje automático— permiten reducir drásticamente el número de restricciones en la planificación, integrando a la vez factores geológicos, económicos y operacionales. Además, los métodos de mining cut clustering (agrupamiento de cortes) se consolidan como la línea de investigación más prometedora, debido a su capacidad para mejorar la adherencia entre la planificación de largo, mediano y corto plazo.
Entre las brechas identificadas, el equipo resalta la falta de estandarización en la terminología y la escasez de estudios que incorporen incertidumbre geológica y económica. También se observa un potencial inexplorado en el uso de técnicas de inteligencia artificial avanzada, como el deep reinforcement learning o los algoritmos evolutivos multiobjetivo, para resolver de manera simultánea la agregación y la secuenciación minera.
En sus conclusiones, los autores proponen una agenda de investigación orientada a integrar estas tecnologías dentro de plataformas de planificación minera inteligentes, donde el modelado de bancos y cortes se optimice automáticamente según condiciones de mercado, geometría del yacimiento y restricciones operativas.
Referencia:
Mariz, J. L. V., Badiozamani, M. M., Peroni, R. de L., & Abreu Silva, R. M. (2024). A critical review of bench aggregation and mining cut clustering techniques based on optimization and artificial intelligence to enhance the open-pit mine planning. Engineering Applications of Artificial Intelligence, 130, 108334. https://doi.org/10.1016/j.engappai.2024.108334
