Análisis aplicando redes neuronales artificiales para incrementar la producción de acarreo de material estéril de las fases 5 y 3 del tajo Ferrobamba – Las Bambas – Apurímac

• Autor: Huillca Diaz, Albert Lennin
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional de San Antonio Abad del Cusco
• Repositorio: UNSAAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsaac.edu.pe:20.500.12918/8579
• Enlace del recurso: http://hdl.handle.net/20.500.12918/8579
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales; Aprendizaje automático; Optimización de la producción; Google Colab; http://purl.org/pe-repo/ocde/ford#2.07.05

El presente estudio de los proyectos mineros, especialmente las minas a cielo abierto, conllevan elevados costos operativos. Los gastos asociados al carguío y acarreo en yacimientos de este tipo constituyen alrededor del 50% del gasto total de operación. La Empresa San Martin Contratistas Generales (SMCG), actualmente lleva a cabo el movimiento de tierras en las Fases 5 y 3 – Tajo Ferrobamba, con una planificación de 50,000 toneladas por guardia. Sin embargo, la ejecución actual tiene bajo rendimiento en la producción, quedando por debajo de la meta. En este contexto, este estudio tiene como objetivo incrementar la producción del acarreo de material estéril en las fases 5 y 3 del tajo Ferrobamba – Las Bambas basado en las redes neuronales artificiales. Siendo un estudio experimental, aplicativo y longitudinal. Cuya población es la data histórica y la muestra es no probabilística. En el proceso de programación y análisis exploratorio de datos, se optó por aprovechar la versatilidad de Google Colab como biblioteca de codificación Tensor Flow. Esta elección estratégica no solo facilitó la ejecución de código de manera eficiente, sino que también proporcionó acceso a recursos compartidos y herramientas en la nube, esto ayudó a para el proceso de codificación del modelo de redes neuronales artificiales LSTM. Conclusión: La implementación estratégica de redes neuronales artificiales, específicamente el modelo LSTM, ha conducido a un aumento anual del 7.22% en la producción del carguío y acarreo de material estéril en la fase 5 y 3 del tajo Ferrobamba. Los factores operativos clave como la disponibilidad