Automatización de equipos
Nuevos enfoques en diseño de equipos
- Video:Webinar sobre Automatización de Casos de Prueba In Sprint - El enfoque del profesional
- Fuente:Cygnet Infotech
Intelligent Control of Groundwater in Slopes with Deep Reinforcement Learning
Control inteligente de aguas subterráneas en taludes con aprendizaje profundo por refuerzo
La reducción de las aguas subterráneas en taludes naturales y artificiales puede contribuir a mitigar los riesgos de desprendimiento de tierra debido a lluvias intensas y prolongadas. Los sistemas de drenaje subterráneo equipados con bombas se han considerado tradicionalmente una solución temporal para reducir las aguas subterráneas en geosistemas, las técnicas basadas en el bombeo generalmente no son implementadas dado sus elevados costes operativos en cuanto a mano de obra y energía. En este estudio se investiga el control inteligente de las aguas subterráneas en taludes por medio de un aprendizaje por refuerzo profundo (DRL), un subcampo del aprendizaje automático para la toma de decisiones automatizadas. Se implementó un modelo de análisis de infiltraciones mediante el uso de un solucionador de ecuaciones diferenciales para simulas el geosistema. El propósito es permitir el control intermitente del caudal de la bomba para mantener el agua subterránea cerca del nivel objetivo durante los periodos de lluvia y por ende, prevenir rupturas de taludes. Los resultados demuestran que el geosistema integrado con DRL puede adaptar dinámicamente su respuesta a distintos fenómenos metereológicos ajustando el caudal de la bomba y ayuda a mitigar el fallo de los taludes durante la lluvia.
Este artículo fue realizado por Aynaz Biniyaz, Behnam Azmoon, Zhen Liu (Michigan Technological University, Houghton, USA) para Sensors (Vol 22, núm 21, p. 8503, 2022), una revista que divulga artículo relacionados con la ciencia y la tecnología de los sensores. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected]
Autonomous and Operator-Assisted Electric Rope Shovel Performance Study
Estudio de rendimiento de la pala eléctrica de cuerda autónoma y asistida por operador.
La manipulación de materiales es una tarea crítica en una operación minera, y los sistemas de manipulación de camiones-pala son el método principal para la minería de superficie. Las minas han desplegado camiones autónomos, teniendo un impacto positivo tanto en la producción como en la seguridad. En este artículo se estudia las unidades de carga autónomas y asistidas por un operador y hasta que punto podrían mejorar diversos aspectos dentro del marco de la explotación minera. Se consideraron cuatro niveles diferentes de automatización, desde el giro y el retorno asistidos por el operador hasta la autonomía total de la pala. Además, se desarrolló un modelo de simulación de eventos discretos verificando los datos a través del sistema de monitoreo de palas. Los autores concluyen que se puede lograr un aumento de la producción hasta del 41% e instan a los fabricantes de equipos a utilizar esta metodología.
Este artículo fue realizado por Ali Yaghini (University of Alberta, Edmonton, Canada), Robert Hall (University of South Dakota, Vermillion, USA), Derek Apel (University of Alberta, Edmonton, Canada) para Mining (Vol 2, núm 4, p. 699-711, 2022) una revista que divulga investigaciones relacionadas con la ciencia y la ingeniería mineras del siglo XXI. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected]
