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».
Lo más leído:
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.
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.
El aporte de la investigación aplicada
Alberto Fernández destaca la importancia de poder crear conocimiento y difundirlo tanto en el ámbito minero como geológico. A través de su experiencia de investigación aplicada, ha logrado trabajar en proyectos multidisciplinarios y ha ampliado su visión de la investigación científica.
Mejorar la caracterización de los recursos minerales
La implementación de este modelo permitirá una mejor caracterización de los recursos minerales en las etapas de exploración. Esto implica una mayor precisión en la identificación de los minerales de interés y de los desechos, lo cual es fundamental para optimizar los procesos mineros y aumentar la rentabilidad de las operaciones.
Optimización del diseño de tronadura
Otro beneficio importante de la aplicación de estas técnicas es la posibilidad de adaptar el diseño de tronadura a las características del yacimiento. Esto significa que se podrán definir los puntos de detonación de manera más precisa, maximizando la extracción de minerales valiosos y minimizando los costos operativos.
Inserta este artículo con este código HTML:
<a href="https://www.redimin.cl/uso-de-inteligencia-artificial-en-la-mineria-para-mejorar-perforacion-y-produccion/">«Uso de Inteligencia Artificial en la minería para mejorar perforación y producción»</a>
