La planificación de minas trata de predecir la forma en cómo se debe extraer una mina, donde cada movimiento es calculado con el menor riesgo y costo posible, en muchas minas los planes mineros se colocan en un pedestal como normas que se deben cumplir, pero muchos creen que no vale nada.
Los planes mineros no se pueden subestimar, los planes de corto plazo son aquellos que se materializan mientras que los planes de mediado y largo plazo sirven para informar y tomar decisiones
Para ser ilustrativos se podría asociar con una orquesta sinfónica, donde los directores vendrían a ser los planificadores dando una orientación a la operación, los planes de producción y su programación en sus distintos horizontes serían las partituras ; cuando generalmente se planifica y programa una mina, se lidian con muchas incertidumbres con la demanda fluctuante del mercado, condiciones geológicas impredecibles y consideraciones complejas que se asumen al momento de planificar, muchas veces depende de la experiencia y la intuición del ingeniero, hace que el proceso sea tanto un arte como una ciencia.
La inteligencia artificial es un gran aliado para esta sinfonía, lo menciono en presente, porque ya existen casos de éxito que intentan implementarlo, capas de procesar grandes volúmenes de datos, descubrir patrones más allá de la compresión humana y hacer predicciones con un gran nivel de exactitud.
Implementaciones
- Secuencia optima de extracción; definir una secuencia optima es un aspecto crucial en la planificación estratégica y largo plazo, donde de decide cual será la estratégica que se seguirá en un yacimiento económicamente explotable, dicha decisión que implica el orden en que se deben extraer las partes del cuerpo mineralizado, esta decisión por lo general depende de la experiencia y juicio de los ingenieros bajo un sustento lógico. La secuencia de extracción basada en IA emplea una gama de algoritmo de aprendizaje automática y optimización que será capaz de explotación la secuencia optima de extracción considerando parámetros como composición de mineral, profundidad, método de minado, precio de commodity, costos operativos, etc.
- Mejora el proceso de modelado geológico; capas de generar predicciones mas precisas y detalladas sobre la ubicación y la caracterización del cuerpo mineral, generando modelos mas robustos. Los métodos tradicionales usan técnicas geoestadísticas que requieren mucha mano de obra y se obtienen resultados con un gran grado de variabilidad. R
- Revolución en la programación y administración de operaciones mineras, las operaciones minerales generan gran cantidad de datos que generalmente procesarlos y analizarlos demanda gran cantidad de horas, la IA tiene la capacidad de procesar gran cantidad de datos y predecir tendencias lo que genera una información valiosa para la toma de decisiones.
Fuente.
Crimes Against Mine Planning: Solving The Top 10 Pitfalls (https://www.amazon.com/Crimes-Against-Mine-Planning-Pitfalls/dp/0645409804).
Predicting the Future: AI in Mine Planning and Scheduling (https://k-mine.com/articles/predicting-the-future-ai-in-mine-planning-and-scheduling/).
Digging Deeper with Data: Machine Learning in Ore Grade Estimation (https://k-mine.com/articles/digging-deeper-with-data-machine-learning-in-ore-grade-estimation/).
Open pit mine design and extraction sequencing by use of OR and AI concepts (https://www.tandfonline.com/doi/pdf/10.1080/09208119508964741).
Machine Learning for Open-Pit Mining: A Systematic Review (https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4540535).
