Resumen

La actividad minera del cobre está experimentando grandes cambios debido al creciente desarrollo tecnológico en el área y a la influencia de la industria 4.0. Estos cambios, producidos por el contexto tecnológico y más controles (por ejemplo, ambientales), también se están haciendo visibles en la minería chilena. Nuevas regulaciones del gobierno chileno y cambios en la industria minera del cobre (como la tendencia a la minería subterránea) están fomentando la búsqueda de mejores resultados en procesos típicos como la lixiviación. Este trabajo describe una experiencia utilizando técnicas de inteligencia artificial, en particular bosques aleatorios, para desarrollar modelos predictivos de recuperación de cobre por lixiviación, utilizando datos de una empresa presente en el norte de Chile desde hace más de 20 años. Se presentan dos modelos, uno de ellos con datos operacionales reales y otro con datos generados en un ambiente controlado (pilotaje). Se obtuvieron valores bien clasificados de 98,90 para los datos operativos y de 98,72 para los datos de pilotaje. La metodología ideada para el estudio puede ser transferida a columnas de pilotes o pilas con otras características, aunque la operación debe centrarse en la lixiviación del cobre. Incluso puede transferirse a otros procesos de lixiviación que utilicen otro tipo de mineral, con los ajustes adecuados.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:datos, actividad minera del cobre, datos operativos reales, técnicas de inteligencia artificial, industria minera del cobre, otros procesos de lixiviación, cambios, gobierno chileno, minería chilena, nueva normativa
• Keywords:data, copper mining activity, actual operational data, artificial intelligence techniques, copper mining industry, other leaching processes, changes, chilean government, chilean mining, new regulations