Planificación en block/panel caving desarrollo e implementación de un marco de aprendizaje por refuerzo

Abstract

Ante el creciente aumento en la demanda de minerales estratégicos, impulsado por la transición energética y la digitalización, Chile desempeña un papel fundamental en el abastecimiento mundial. El país lidera la producción global de cobre, ocupa el segundo lugar en molibdeno y el tercero en litio (Consejo Minero, 2026). Esto, sumado al agotamiento progresivo de las leyes minerales en superficie, ha obligado a la industria minera a una reevaluación estratégica de sus métodos de explotación, migrando hacia la minería subterránea. En este escenario, los métodos de explotación masiva del tipo caving han adquirido un papel central, destacando por su alta productividad y bajo costo relativo. Lo anterior permite compensar las bajas leyes actuales con una alta tasa de extracción. El éxito de estos métodos depende de una planificación minera capaz de maximizar el VAN del proyecto, a través de una secuencia de extracción viable desde el punto de vista geomecánico y operacional, que garantice una operación segura. La planificación en minería caving presenta desafíos debido a su naturaleza dinámica y a la interacción entre variables geotécnicas, productivas y económicas. En estos aspectos se evidencia una limitación del estado del arte actual para abordar dicha interrelación. Los modelos de optimización tradicionales, como la Programación Lineal Entera Mixta (MILP), presentan dificultades para capturar la evolución no lineal del hundimiento al requerir formulaciones que simplifican su dinámica. Bajo este contexto, la presente memoria desarrolla un marco basado en Aprendizaje por Refuerzo (RL) aplicado a la planificación del hundimiento. Se evalúa la capacidad de este enfoque para determinar secuencias de extracción factibles, orientadas a maximizar el valor del proyecto, respetando las restricciones operacionales y geomecánicas del método. La validación se realiza sobre(...).