Estabilización de la operación de molino SAG mediante modelo prescriptivo utilizando técnicas de aprendizaje reforzado profundo fuera de línea

Abstract

El objetivo de esta tesis es desarrollar un sistema que contribuya a la mejora de toma de decisiones de la operación de molinos SAG mediante el desarrollo de un modelo prescriptivo utilizando técnicas de Aprendizaje Reforzado Profundo Fuera de Línea. Para cumplir con el objetivo de la tesis se pretende demostrar que es posible la utilización de algoritmos avanzados de Aprendizaje Reforzado en aplicaciones prácticas dentro de la industria minera, evidenciando que el algoritmo es capaz de aprender políticas óptimas con un sentido operacional mediante su proceso de entrenamiento y que además es posible mejorar la calidad de las recomendaciones que se generan a través de los modelos actuales, los cuales son denominados como modelo estadístico (o modelo base) y modelo estadístico mejorado.

La metodología desarrollada consiste en consolidar y limpiar la fuente de datos que será utilizada para entrenar y testear la toma de decisiones del algoritmo, desarrollar una métrica de evaluación para los modelos, modelar el problema con un enfoque de Aprendizaje Reforzado, entrenar el modelo y finalmente, evaluar y analizar los resultados obtenidos.

En cuanto a los resultados obtenido al evaluar los modelos mediante la métrica desarrollada, el ranking en orden descendente de desempeño fue: Modelo estadístico mejorado, Modelo RL y Modelo estadístico.