CODEa Business Logo
Cursos Minería, Geología y Procesos Extractivos

Validación de modelos geoestadísticos. Ideas desde el Machine Learning

La validación de modelos geoestadísticos es un paso crítico en el planeamiento minero subterráneo, ya que garantiza la confiabilidad de las estimaciones y la rentabilidad de los proyectos. Este curso combina los fundamentos del planeamiento con herramientas de software y técnicas modernas de machine learning, proporcionando un enfoque innovador para la validación y optimización de modelos de bloques.

2 horas
Minería, Geología y Procesos Extractivos
On Demand

Lo que aprenderás

Geoestadística machine learning minería subterránea modelos bloques Datamine optimización tajos planeamiento minero validación modelos minería digital

Contenido del curso

5 módulos · 23 lecciones

Etapas del planeamiento – Método de minado, diseño y optimización.

Variables geomecánicas, operativas y económicas – Factores que influyen en la viabilidad.

Modelos de bloques y parámetros de entrada – Leyes, densidad, NSR y costos.

Cadena de valor y evaluación financiera preliminar – Relación entre planeamiento y economía minera.

Introducción a Datamine (UG Studio) – Capacidades y funciones principales.

Configuración de escenarios de explotación – Diseño de distintos casos.

Parámetros geométricos y económicos – Cómo se incorporan al modelo.

Reportes, atributos y visualización – Interpretación de resultados en minería.

Inputs iniciales – Modelo de bloques, geometría, ventilación, recuperación.

Parámetros geotécnicos y operativos – Configuración del entorno de optimización.

Framework de optimización – Orientación y delimitación de escenarios.

Generación de reportes y visualizaciones – Análisis de resultados obtenidos.

Indicadores clave – Tonelaje, leyes, NSR y dilución.

Importancia de la validación – Clave en minería subterránea.

Uso de NSR como criterio de evaluación – Más allá de las leyes de corte.

Discriminación de tajos económicos y marginales – Priorización de bloques.

Aplicación de machine learning – Algoritmos predictivos para mejorar la estimación.

Integración en el planeamiento – Aplicaciones a corto, mediano y largo plazo.

Limitaciones del software y tiempos de cómputo – Restricciones prácticas.

Calidad de datos en modelos de bloques – Su impacto en la confiabilidad.

Formación conceptual vs. herramientas – Importancia del conocimiento de base.

Rol del machine learning en el futuro – Hacia estimaciones más precisas.

Perspectiva de la minería digital – Automatización y precisión en la toma de decisiones.