Impulsando el conocimiento a partir de los datos en la industria minera

• Autor: GĚRENS
• Formato: otro
• Fecha de Publicación: 2023
• Institución: Escuela de Postgrado Gerens
• Repositorio: GERENS - Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.gerens.edu.pe:20.500.12877/86
• Enlace del recurso: https://hdl.handle.net/20.500.12877/86
• Nivel de acceso: acceso abierto
• Materia: MMBA; Datos para la toma de decisiones; Analítica de datos; Transformación digital; Negocio Minero; https://purl.org/pe-repo/ocde/ford#5.02.00

La industria minera hoy cuenta con una gran cantidad de datos sobre sus operaciones, incluyendo rendimiento de equipos, recursos, calidad, consumo de energía y mantenimiento. Muchos mineros implementan reportes diarios y se cuestionan sobre la efectividad de aplicar machine learning, aunque a menudo descubren que estos esfuerzos no son escalables o efectivos debido a problemas en la definición de objetivos, calidad de datos y falta de beneficios. Un enfoque estructurado y la aplicación de análisis de datos son esenciales para mejorar la toma de decisiones. Se sugieren estrategias como la visualización de datos con un enfoque de design thinking, el uso de modelos para identificar cuellos de botella y aplicar tecnologías para un análisis en tiempo real. Además, el machine learning puede aportar valor, pero requiere un planteamiento definido y la integración en los procesos de trabajo. Se recalcan pautas clave como la identificación de las partes interesadas, la presentación de información de manera clara y el uso de un enfoque ágil para la implementación. Los programas estructurados en minería demuestran beneficios documentados de productividad. Es esencial integrar estos programas en las operaciones diarias para asegurar su éxito.