Browsing by Author "Reyes Monsalve, Zaira Alexandra"
Now showing 1 - 1 of 1
- Results Per Page
- Sort Options
Thesis Desarrollo de un modelo mediante inteligencia artificial para optimizar la flotación(Universidad Técnica Federico Santa María, 2026-03) Reyes Monsalve, Zaira Alexandra; Aguilar Ramírez, Claudio Eduardo; Departamento de Ingeniería de Minas, Metalurgia y Materiales; San Martín Robbiano, FranciscaLa flotación de minerales es un proceso fundamental en la industria minera que permite separar minerales valiosos de otros no deseados. Este proceso es crucial para la obtención de concentrados de minerales. Por su parte, la inteligencia artificial (IA) se ha utilizado como una herramienta en los últimos años para mejorar la eficiencia de los procesos. Este tema de memoria se centró en explorar la aplicación de técnicas de IA en la optimización de la flotación de minerales. El estudio comenzó con una introducción a la flotación de minerales y su importancia dentro de los procesos de la industria minera. Luego, se presentó una visión general de cómo se utiliza la IA en el mundo actual. Se analizaron técnicas de modelamiento con IA que se pueden aplicar para predecir la recuperación de cobre y, de esta manera, optimizar la flotación. Se describieron los pasos para desarrollar un código en Python para predecir recuperación de cobre, desde la selección de algoritmos hasta el tratamiento de cada parámetro de flotación, donde se usaron casos reales de flotación para alimentar una base de datos capaz de brindar la suficiente información inicial para obtener predicciones. Se lograron obtener predicciones de cobre, algunas buenas y otras deficientes. El análisis demostró que el modelo es capaz de obtener buenos resultados siempre y cuando los parámetros que se deseen ingresar tengan similitud con la base de datos; es decir, dependerá de qué tantas veces los parámetros estén presentes en la base de datos y de la similitud con alguno de los testeos de entrada. Si se intenta predecir una recuperación con parámetros que no se encuentran presentes o son escasos en la base de datos, los resultados de recuperación serán alejados de la realidad. Como conclusión, el modelo es capaz de entregar predicciones de recuperación de cobre, lo cual puede ayudar a obtener estimaciones aceptables de resultados de laboratorio. Sin embargo, el código es extremadamente dependiente de los datos de entrada, por lo que se recomienda contar con una base de datos robusta y que no varíe demasiado en sus parámetros.
Política de Privacidad 
