Evaluación de los criterios de selección de un método de explotación mediante la inteligencia artificial. Caso práctico yacimiento de hierro en Ventanillas, Yonán, Cajamarca, 2019

Abstract

En esta investigación de tipo cuantitativa, nivel correlacional y diseño no experimental transversal, se tuvo como objetivo evaluar los criterios que intervienen en la selección de un método de explotación minera con la aplicación de la Inteligencia Artificial, teniendo como caso de aplicación al Yacimiento de Hierro ubicado en la localidad de Ventanillas, distrito de Yonán. Se desarrollaron 7 algoritmos de Redes Neuronales Artificiales (RNA) en Matlab, considerando como datos de entrada a 21 subcriterios agrupados en 5 Criterios generales. Y como salidas posibles 9 métodos de explotación. Luego de un proceso de entrenamiento de las RNA, se procedió a realizar el testeo con datos obtenidos del Yacimiento en estudio. Se tuvo un desempeño probado entre el rango 80% y 95% y un error promedio entre el 6% y 16%, lo que nos permitió estimar con éxito la alternativa de método de explotación más adecuado. Los criterios con mayor eficiencia en los resultados del estudio son principalmente los geológicos y geomecánicos. Los criterios relacionados a los aspectos económicos ambientales y tecnológicos no han sido probados eficientemente ya que no se ha tenido disponibilidad de datos históricos que nos permitan fortalecer el proceso de aprendizajes de las redes neuronales artificiales aplicadas.

In this quantitative research, correlational level and non-experimental cross-sectional design, the objective was to evaluate the criteria involved in the selection of a method of mining exploitation with the application of Artificial Intelligence, having as its case the application to the Iron Field located in the town of Ventanillas, district of Yonán. 7 algorithms of Artificial Neural Networks (RNA) were developed in Matlab, considering as input data to 21 sub-criteria grouped into 5 General Criteria. And as possible outputs 9 methods of exploitation. After an RNA training process, the test was carried out with data obtained from the Site under study. There was a proven performance between the range 80% and 95% and an average error between 6% and 16%, which allowed us to successfully estimate the most appropriate method of exploitation alternative. The criteria with greater efficiency in the results of the study are mainly geological and geomechanical. The criteria related to the environmental and technological economic aspects have not been tested efficiently since there has been no availability of historical data that allow us to strengthen the learning process of the applied artificial neural networks.