miércoles, 9 de enero de 2013

Inteligencia artificial en la industria minera


La industria extractiva en general y la industria minera en particular enfrentan retos tecnológicos de significativa importancia de cara al futuro sustentable por lo que han recurrido al desarrollo de aplicaciones basadas en técnicas de inteligencia artificial para innovar en sus actividades, procesos, operaciones y servicios asociados. El mundo busca una minería altamente efectiva en términos de uso de recursos y muy segura en la disposición efectiva de residuos en un escenario de alta competitividad e importante presión por la sostenibilidad de sus operaciones.

Las principales técnicas de inteligencia artificial que se han desarrollado para la industria minera están constituidas por sistemas expertos, redes bayesianas, redes neuronales, algoritmos genéticos y sistemas de aprendizaje inteligente que permiten tratar volúmenes de información de gran tamaño y complejidad que no pueden ser solucionados con técnicas matemáticas convencionales.

Algunas de las aplicaciones más resaltantes de estas técnicas de inteligencia artificial a la industria minera son las siguientes:
  • Sistemas de aprendizaje inteligente y redes neuronales para predecir la continuidad geoestadistica en la mineralización a partir de la información de los modelos de bloques (block model) bajo características y patrones de los yacimientos mineralizados con mayor precisión que las técnicas geoestadisticas convencionales.
  • Algoritmos genéticos y redes neuronales artificiales para la programación de vehículos inteligentes no tripulados para la operación en la mina con la finalidad de acceder a espacios confinados, detonar tiros cortados o superar condiciones de alto riesgo evitando la presencia y exposición de colaboradores humanos en dichas tareas.
  • Redes neuronales artificiales para dosificar el flujo de aire en la ventilación minera subterránea de manera que se optimice las descargas en función a la necesidad de aire, reduciendo los costos.
  • Redes bayesianas para la clasificación de documentos de logueo de depósitos minerales, búsqueda semántica y procesamiento de imágenes de prospección geológica en la exploración minera.
  • Algoritmos genéticos para optimizar la programación de operaciones y el ciclo de minado asegurando la más eficiente combinación extractiva de tonelaje y ley con programación evolutiva que aprende en función a las condiciones cambiantes de mina.
  • Prospección geológica remota satelital con el uso de algoritmos de aprendizaje y sistemas expertos para reconocimiento de patrones de presencia mineral, litologías, fracturas y leyes para la exploración minera.
  • Redes neuronales para sistemas de acceso a bodegas, compuertas, canales, cortadas y sistemas de iluminación inteligente para dosificar los flujos de recursos en función a la demanda específica en el ciclo de minado en las operaciones.
  • Algoritmos genéticos para la selección de componentes activos en la concentración y biolixiviación de minerales para reducir el consumo de agua en proporciones significativas en la operación de beneficio de minerales.

Estas innovaciones se suman a los cientos de desarrollos propios que la industria minera ha generado desde países emergentes como aporte de innovación,  tal como se indica en el artículo http://max-schwarz.blogspot.com/2012/12/innovacion-inversa-en-la-industria.html que se encuentran sustentadas en las poderosas razones que la industria extractiva y minera tienen para desarrollar innovación tecnológica como hemos expuesto en http://max-schwarz.blogspot.com/2012/10/10-razones-para-innovar-en-mineria.html

Visítenos en: www.bygsac.com o escribanos a: mschwarz@bygsac.com
Revise nuestras aulas virtuales enhttp://www.worldbyg.com/moodleAula/