| dc.description | La dilución es un factor presente en todos los métodos de explotación minera, y
consigo trae una gran importancia económica para la mina, puesto que esta
significa la disminución de las leyes extraídas en faena, ya sea en menor o mayor
medida. A la fecha, hay modelos que se destacan al momento de explicar el cómo
y porqué de esta variable, conocimiento que se hace imperioso para intentan
minimizarlo. El objetivo de este trabajo es examinar la viabilidad del uso de redes
neuronales para la predicción de entrada de dilución en un punto de extracción,
con el fin de poder mejorar la estimación de ésta. Esto se logrará entrenando una
red neural con casos de prueba generados para este estudio, y su posterior
comparación con el resto de los resultados obtenidos de la simulación. Dentro de
los resultados destacados de este estudio, es que el uso de redes neuronales para
la estimación de estrada de dilución, es una opción viable, logrando explicar casi
un 75% de la variabilidad de la variable dependiente, con errores del 12% en la
estimación de la misma Finalmente, el uso de una red neuronal para la estimación
de entrada de dilución, es una opción viable que, sin embargo, necesita más
estudios. Lo ideal para esto, sería la obtención de data real, medida en terreno, o
generada a partir de un modelo de simulación más robusto, considerando
variables adicionales u otras, por lo que se recomiendan estudios adicionales.
Algo peculiar desprendido de este estudio es el hecho de que la red neuronal no
considera directamente factores del macizo rocoso o factores operativos, pero se
tiene que tener en consideración de que, para la utilización de esta herramienta, se tienen que tener casos base, por lo que el diseño minero en base a modelos propuestos anteriormente se mantiene. // ABSTRACT: The dilution factor is present in all the methods of mining operation, and with it
brings great economic importance within the mine, since it means the reduction of
grades extracted from the operation, either in a lower or greater extent. To date,
there are models which stand out when trying to explain how and why of this
variable, which knowledge is indispensable when trying to minimize it. The aim of
this investigation is to study the viability of the use of neural networks for the
prediction of dilution entry within an extraction point, with the purpose of making
better estimations of it. This will be accomplished by the training of a neural
network with selfgenerated study cases and their posterior comparison between
the result of this network and the rest of cases generated by the simulation. The
remarkable results of this study is that the use of neural networks for the estimation
of dilution, it’s a viable option, managing to explain almost 75% of the variability of
the dependent variable, with errors of 12% in the estimation of it. Finally, the
estimation of dilution using neural networks it’s a viable option to do. Nevertheless,
it needs further investigation. The ideal scenario to it, would be the obtention of real
data, gathered in the mine, or generated for a robust simulation program,
considering more or other variables. Something particular given this study, is the
fact that neural network doesn’t take into direct consideration the rock mass factors
and operation factors, but it has to be take into consideration the fact that, for the
propose of using a neural network, there has to be previous information for which the design of the mine has to be made guided by previous methods. | |
