Modelamiento de propiedades primarias para la conminución mediante caracterización avanzada y técnicas de aprendizaje automático

Abstract

En el presente trabajo, se desarrollaron modelos predictivos para obtener índices y parámetros de conminución de minerales, utilizando técnicas de aprendizaje automático. La investigación se centró en modelar las propiedades mecánicas, tales como la energía específica de fractura, basándose en datos geológicos y mineralógicos obtenidos a nivel microscópico. El objetivo es estimar el consumo de energía con el fin de optimizar la eficiencia en los procesos de conminución, principalmente en las etapas de chancado y molienda.

La problemática que se está extendiendo en los procesos de conminución radica en la alta variabilidad mineralógica de los yacimientos, lo cual genera ineficiencias operativas. En este contexto, la caracterización detallada de dicha variabilidad se presenta como una estrategia para contrarrestar estas ineficiencias y optimizar el proceso.

Los resultados obtenidos mostraron que los modelos predictivos lograron estimar con alta precisión, obteniendo un coeficiente de determinación de R^{2} = 0.8, la energía específica necesaria para la fractura de diferentes tipos de texturas de roca. Se observó que la energía específica de fractura varía significativamente según las propiedades mineralógicas de las muestras, lo que indica la importancia de una caracterización detallada para cada tipo de material. Adicionalmente, los modelos probabilísticos aplicados fueron validados mediante datos experimentales, mostrando que la predicción de la energía específica media tiene fundamento experimental.

El análisis de los resultados resalta la influencia de la variabilidad mineralógica en la eficiencia de los procesos de conminución. Los modelos basados en aprendizaje automático, como K-Means y la optimización bayesiana, permitieron capturar de manera efectiva las interacciones entre las características geológicas y propiedades mecánicas de las rocas. Esto subraya la necesidad de ajustar los parámetros de conminución a las propiedades específicas de cada tipo de roca de modo de predecir el consumo de energía y utilizar herramientas para optimizarlo.

En conclusión, la aplicación de técnicas de aprendizaje automático en el modelamiento de las propiedades mecánicas de las rocas se presenta como una herramienta potente para identificar las propiedades de conminución que permitan predecir y optimizar la eficiencia energética de los procesos de reducción de tamaño en el procesamiento de minerales. Los modelos desarrollados permiten predecir con precisión la energía específica de fractura, lo que contribuye a una mejor predicción del consumo específico de energía y consecuentemente de los costos de operación. Se recomienda la integración de más variables geológicas y operacionales para aumentar la robustez de los modelos y su aplicabilidad a mayor escala, destacando la importancia de una comprensión profunda de la variabilidad del mineral y su impacto en los procesos de fractura.