Lima, 06 de mayo de 2025. La inteligencia artificial está transformando la forma en que se identifican zonas de alto potencial mineral, optimizando recursos y reduciendo riesgos en la exploración minera. Claro ejemplo de ello es un caso emblemático en la región Cajamarca que fue presentado por Santiago Mayor, CEO de Geomatic World, durante su ponencia en la segunda jornada de proEXPLO 2025, un encuentro organizado por el Instituto de Ingenieros de Minas del Perú (IIMP).

La empresa canadiense dedicada a soluciones integrales, con sede en Montreal, ha desarrollado la plataforma GeoWorld Insight Technology, una herramienta que combina scripts en Python con el entorno ArcGIS, evitando el desarrollo desde cero de software propio. Esta estrategia ha permitido ofrecer soluciones más rápidas, escalables y rentables tanto a grandes compañías mineras como a gobiernos e incluso pequeñas empresas.

El estudio del caso presentado demuestra que a través de la integración de múltiples capas de datos geocientíficos —incluyendo información estructural, geológica, geoquímica y sensores remotos—, la empresa aplicó técnicas de machine learning, lógica difusa y análisis predictivo para generar un Mapa de Prospectividad Mineral (MPM).

Entre los hallazgos más importantes se destacan:

• Identificación de zonas prioritarias: Áreas con mayor superposición de variables recibieron puntuaciones elevadas, reforzando su potencial exploratorio.
• Manejo de incertidumbre: Gracias a la lógica difusa, se identificaron patrones amplios incluso en entornos con datos incompletos.
• Ventajas técnicas:  La metodología superó desafíos como la densa vegetación y terrenos complejos.

• http://legerclaire-hypnose49.fr/pharmacie-en-ligne-allemagne-kamagra/
• http://bohemianfc.com/brand-levitra-se/
• where can i buy levitra jasonpiloti.com

Tercera ola

Para el CEO de Geomatic World, la inteligencia artificial representa una tercera ola en la evolución de la exploración minera: después de la adquisición de datos geocientíficos (1.ª ola) y la industrialización de la recopilación de datos (2.ª ola), ahora se avanza hacia la automatización del análisis mediante la IA.

“La inteligencia artificial ha venido a tomar un campo que va a ser parte del trabajo diario de todas las empresas y de todos los que estamos metidos en el mundo de la exploración. La IA nos permite interpretar la información a un costo mínimo y en menor tiempo”, señaló.

Mayor concluyó que la IA en minería está tomando el lugar que ocuparon hace dos décadas las imágenes satelitales, una novedad tecnológica en aquel entonces que pasó a convertirse en una herramienta imprescindible.

Fuente: IIMP

La entrada Minería del futuro: Inteligencia artificial es utilizada para descubrir yacimientos mineros, reduciendo tiempo y recursos aparece primero en Revista Horizonte Minero.

En ese sentido, Marco Antonio Valentín, Digital Practice Lead & Software Architect de Softtek, indica que es clave entender en qué consisten estas disciplinas, así como cuáles son sus diferencias y similitudes. Esto con la finalidad de determinar cuál es la que requiere una compañía.

MACHINE LEARNING

El Machine Learning es ampliamente utilizado en organizaciones para tareas como clasificación, regresión, agrupación y detección de anomalías. La aplicación del Machine Learning, por ejemplo, la vemos en los chatbots, los vehículos autónomos y robots inteligentes, menciona el especialista de Softtek.

En el sector Financiero, el ML nos ayuda a la detección de fraudes, análisis de riesgo crediticio, recomendaciones de productos y servicios. En Comercio, se emplea en el Marketing predictivo, optimización de precios y gestión de inventarios. En Logística, ayuda en la optimización de rutas y gestión de inventarios. En Agricultura, a hacer predicciones de rendimiento de cultivos, detección de enfermedades en plantas y optimización del uso del agua.

En el sector Entretenimiento, ayuda en la recomendación de contenido, generación de contenido personalizado y creación de experiencias interactivas, mientras que en Educación a hacer recomendaciones de aprendizaje, detección temprana de estudiantes en riesgo y personalización de contenido educativos.

DEEP LEARNING

En cuanto al Deep Learning, Valentín detalla que es una subdisciplina del Machine Learning basada en redes neuronales profundas. Esta es ideal para tareas que involucran reconocimiento de patrones en grandes volúmenes de datos no estructurados.

“A diferencia del ML, el DL utiliza algoritmos más complejos y requiere hardware especializado, como GPUs (Unidades de procesamiento gráfico, por sus siglas en inglés)”, agrega Valentín.

Por ejemplo, el DL se emplea para entrenar robots que realizan tareas complejas en las empresas, como ensamblar productos que necesitan alta precisión. En Finanzas, ayuda a predecir precios, comportamientos de mercado, análisis automático de contratos y documentos a partir de datos no estructurados.

En Salud, se utiliza para el reconocimiento de imágenes médicas con visión por computadora permitiendo encontrar alteraciones o comportamientos anómalos. “El DL se emplea también para predecir epidemias usando secuencias genéticas, así como para hacer simulaciones de moléculas para el diseño de fármacos”, agrega Valentín.

Otros beneficios de aplicar el DL, a decir del especialista de Softtek, son el reconocimiento de voz, síntesis de voz y la identificación de sonidos o música. Asimismo, permite crear personajes controlados por IA, crear escenarios y acercar los gráficos a una realidad aumentada. También ayuda a hacer traducciones automáticas con personas de todo el mundo.

CONSEJOS

Para avanzar con éxito en la aplicación del ML y DL, las empresas deben construir una cultura Data-Driven (en donde todos los trabajadores estén comprometidos con la recopilación, el análisis y el uso de datos), gestionar el cambio, fomentar la capacitación continua, asociarse con expertos y entender que la implementación es un proceso continuo.

“Por último, es importante mencionar que la elección entre ML y DL debe basarse en las necesidades específicas de cada empresa y su capacidad para gestionar recursos y datos. Ambas tecnologías tienen un papel vital en la transformación digital y seguirán siendo relevantes en el futuro de la inteligencia artificial”, subraya Valentín.

La entrada IA: disciplinas que están transformando a las empresas aparece primero en Revista Horizonte Minero.

La analítica avanzada de datos se posiciona cada vez más en la industria minera como una técnica innovadora para automatizar y optimizar los procesos. Es así como la importancia de la tecnología Machine Learning, en el sector minero peruano, radica en que encuentra patrones, tendencias y correlaciones al analizar la información operativa, modelando y generando recomendaciones de optimización en tiempo real.

Machine Learning es una tecnología de modelos algorítmicos que aprenden de la historia de la planta para recomendar acciones que optimicen los resultados futuros esperados. Desde agosto de este año, Antamina ha venido trabajando en sus operaciones de la Concentradora con esta tecnología, desarrollada por un equipo multidisciplinario que involucra a diversas áreas, tales como Concentradora, Mina, Mantenimiento y Tecnologías de la información.

La implementación de la tecnología de Machine Learning es posible gracias a la interacción de miles de variables; desde datos litológicos y de mineralización en Mina, así como datos de Molienda SAG, Molienda Secundaria, Clasificación, Tratamiento de Pebbles, Flotación Diferencial Cobre-Zinc en etapas Rougher y Cleaner en Planta; con el objetivo de optimizar los procesos de flotación y molienda bajo distintos tipos de minerales

“Somos la mina polimetálica más importante en aplicar metodología de Machine Learning en el mundo. Antamina inició sus operaciones en el 2001, como un referente tecnológico en procesamiento de minerales. Luego de 20 años de exitoso desempeño, estamos inmersos en la implementación de la Analítica Avanzada de Procesos, aplicando Machine Learning en planta concentradora, como parte inicial de mayores implementaciones, siendo pioneros en la adopción de esta tecnología en uno de los yacimientos polimetálicos más importantes y complejos a nivel mundial. Con ello, buscamos consolidarnos como un referente en innovación y tecnología con altos estándares de seguridad”, expresó Hernando Valdivia, Superintendente de Metalurgia y Product Owner del Proyecto.

La implementación es holística -con cercanía a la operación y a los equipos de planta- y utiliza una metodología Agile (basada en la entrega rápida de avances del proyecto a través de un desarrollo iterativo con el usuario final de la solución) que servirá como precedente para que otros procesos puedan utilizar esta tecnología.

Desde Antamina continúan fortaleciendo el equipo de trabajo con la incorporación de ingenieros de datos y científicos de datos que, sumados a metalurgistas, ingenieros de control de procesos, analistas Six-Sigma y de supervisión operativa, se encontrarán inmersos en el proceso transformativo hacia la completa digitalización que continuará en mina y luego, en los más importantes procesos de la compañía.

Fuente: Difusión

La entrada Antamina: implementa Machine Learning en su producción de concentrado aparece primero en Revista Horizonte Minero.