Look-up in Google Scholar
Full metadata record
Mamani Calcina, Pedro Luis
Palma Villanueva, Ricardo Manuel
2022-05-18T04:26:46Z
2022-05-18T04:26:46Z
2021
http://hdl.handle.net/20.500.12773/14133
Hoy en día, la gran cantidad de información en la industria viene siendo recolectada y almacenada, dicha información contempla cientos de variables a una alta frecuencia y a tiempos prácticamente instantáneos, ofreciendo un gran potencial para la industria en general. Por otro lado, en el ámbito minero la inteligencia artificial no es ajena, y se concentra principalmente en la automatización de procesos a través de la toma de decisiones en base a la data histórica mediante sistemas de adquisición y almacenamiento de datos (DCS, PI System), es a partir de dicha información que se establece el comportamiento de un proceso, y dado un mineral de entrada, se puede identificar cuáles son las reglas operacionales que permitieron obtener el resultado más óptimo, para el caso de este artículo de investigación se determinará el valor del P80 en el circuito de conminución SAG (Tipo SABC-A) mediante algoritmos de machine learning e inteligencia artificial. El P80 en el proceso de conminución es de vital importancia para los procesos de molienda semiautógenos (SAG), siendo un parámetro clave el control Avanzado de procesos, la cual requiere información en línea sobre las variables clave de rendimiento del Molino SAG, sin embargo, la medición del tamaño de particular en el molino es problemática a pesar de la existencia de instrumentos en línea que muchas veces no tienen la disponibilidad adecuada. Sin embargo, este problema se puede abordar y resolver mediante el uso de Softsensors, por lo que el tamaño de partícula se puede inferir a partir de las mediciones de otras variables del proceso. En esta investigación se desarrolló un softsensor evualuando distintos algoritmos de Machine Learning e inteligencia artificial para la planta concentradora de cobre de Minera Las Bambas SA, ubicada en la cordillera de los andes al Sur de Peru departamento de Apurimac. (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Nacional de San Agustín de Arequipa (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
http://creativecommons.org/licenses/by-nc-nd/4.0/ (es_PE)
Universidad Nacional de San Agustín de Arequipa (es_PE)
Repositorio Institucional - UNSA (es_PE)
Molienda SAG (es_PE)
comminución (es_PE)
control de procesos (es_PE)
machine learning (es_PE)
inteligencia artificial (es_PE)
metalurgia (es_PE)
P80 (es_PE)
softsensors (es_PE)
Boruta shap (es_PE)
CatBoost (es_PE)
algoritmos (es_PE)
Inteligencia artificial y machine learning para el desarrollo e implementación de softsensors en la predicción del P80 para la molienda SAG (SABC-A) - minera Las Bambas (es_PE)
info:eu-repo/semantics/masterThesis (es_PE)
Universidad Nacional de San Agustín de Arequipa.Unidad de Posgrado.Facultad de Ingeniería de Procesos (es_PE)
Maestría en Ciencias: con mención en Ingeniería Metalúrgica (es_PE)
Maestro en Ciencias: con mención en Ingeniería Metalúrgica (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#2.07.05 (es_PE)
http://purl.org/pe-repo/renati/level#maestro (es_PE)
29629467
https://orcid.org/0000-0003-1656-0240 (es_PE)
70183688
713357 (es_PE)
Silva Vela, Alejandro Oscar
Mamani Calcina, Pedro Luis
Veliz, Nemesio Edgar
http://purl.org/pe-repo/renati/type#tesis (es_PE)
Pública



This item is licensed under a Creative Commons License Creative Commons