Go to Top

AMTC lanza software con algoritmos genéticos para modelación geometalúrgica predictiva

Un software capaz de integrar diversos tipos de información en geología y minería para la construcción de modelos geometalúrgicos predictivos de yacimientos, usando algoritmos genéticos, fue el resultado del proyecto FONDEF “Caracterización y modelamiento geo-minero-metalúrgico predictivo: camino a la minería del futuro”, finalizado en mayo de este año y dirigido por el Dr. Brian Townley, investigador del AMTC y académico del Departamento de Geología de la Universidad de Chile.

El software, denominado GenoMet, es fruto de dos años de trabajo y viene a resolver el problema de la falta de integración entre distintas áreas y profesionales de la cadena de producción minera. “Los geólogos siempre estamos trabajando con modelos de distribución espacial 2D y 3D, de sólidos, de bloques, con mucha información que no necesariamente será entendida o aplicada por los profesionales que están más abajo en la cadena de producción. Eso nos hace evaluar qué información estamos generando, qué estamos entregando y cómo conecta con otra información que levantan otras áreas profesionales”, explica el Dr. Townley. “Si vamos a levantar una enorme cantidad de datos y no somos capaces de procesarlos, ya sea por falta de recursos humanos, de tiempo o por las complejidades del procesamiento, terminamos haciendo un gasto innecesario”, agrega.

“Este proyecto es muy ambicioso, es desarrollar un método y un software que tenga todas las herramientas para integrar toda la data posible del proceso productivo en una sola base de datos; independiente de su soporte muestral; independiente de si es una variable discreta, continua o discontinua, e independiente de si es cualitativa, semicuantitativa o cuantitativa. Esta información debe integrarse y vincularse con el comportamiento esperado en comportamiento mineral”, explica el investigador.

El Dr. Brian Townley.

El Dr. Brian Townley.

GenoMet usa algoritmos genéticos para acelerar los procesos de interpretación y modelamiento de datos. Dichos algoritmos se usan con combinación con aprendizaje de máquina, redundando en un generador de variables sintéticas que reduce considerablemente tiempos de trabajo: un modelo de alteración cuantitativo de un mineral que habitualmente toma uno a dos años en hacerse, el software lo logra con procesos que toman un poco más de 15 minutos, permitiendo reducir los tiempos de un estudio a pocas semanas. El objetivo final de todo este trabajo es generar modelos geometalúrgicos predictivos que permitan optimizar la operación en planta.

El generador de variables sintéticas de GenoMet permite crearlas a partir de poca información de base, correlaciones con otras fuentes de información y pareos. “Se toma un parámetro objetivo, se parea a información existente, una vez que se logra el pareo comienza a combinar todos los otros parámetros en el secuenciamiento del desarrollo de variables genéticas, donde va conectando con distintas operatorias y distintas variables, de tal forma de ir mejorando la correlación de la variable objetivo con la mejor combinación de las otras variables existentes, generando una variable sintética cuantitativa de mayor densidad la que permite generar modelos geometalúrgicos de alta resolución”, explica el Dr. Townley.

Como modelo de negocios se ha considerado desarrollar GenoMet a modo de plug-in o agregado para otros softwares ya existentes en el mercado, de tal forma de aprovechar la plataforma comercial y mercado que softwares existentes ya tienen.



Imprimir esta noticia Imprimir esta noticia

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *