MODELOS MACHINE LEARNING EN GEOMECÁNICA MINERA PARA EL CONTROL EFICAZ DE PERFORACIÓN

• Autor: Poma Cruz, Hitler Juan
• Formato: artículo
• Fecha de Publicación: 2023
• Institución: Universidad Nacional del Altiplano
• Repositorio: Revistas - Universidad Nacional de Altiplano
• Lenguaje: español
• OAI Identifier: oai:epg.revistas.unap.edu.pe:article/4311
• Enlace del recurso: https://revistas.unap.edu.pe/epg/index.php/investigaciones/article/view/4311
• Nivel de acceso: acceso abierto
• Materia: Avance por disparo, longitud de taladro, machine learning, minería subterránea, perforación, voladura.

El estudio se ha realizado en la Unidad Minera San Rafael, distrito Antauta, provincia Melgar, donde se identificó el problema para el modelo adecuado de machine learning en geomecánica minera para el control eficaz de perforación y voladura en labores de avance, siendo el objetivo principal evaluar los modelos machine learning en geomecánica minera para el control eficaz de perforación y voladura en labores de avance. Los datos de operación referidos a malla y longitud de perforación, tipo de agentes de voladura, tipo y sección de la labor, tipo de roca, mineral y desmonte, número de taladros, avance esperado, avance logrado, estructura, tipo de perforación, equipo y operador, todos estos datos se registraron en formato de reporte, consolidados ellas en una hoja de cálculo y exportados a programación lineal R, las muestras sirvieron para elaborar diferentes modelos, para ser analizados, evaluados y determinados los factores más importantes en el control de avance lineal de las labores de exploración, desarrollo y preparación, el estudio es de tipo descriptivo correlacional y diseño no experimental longitudinal, con los cuales se ha obtenido como resultado que nos permite identificar el objetivo que es el modelo de aprendizaje supervisado que es aplicable y aceptable, cuya conclusión es el uso de modelos de machine learning en el contexto es factible desde un punto de vista computacional, sin embargo, se requiere un fuerte trabajo adicional en la curatoría de datos.