El modelamiento del recurso mineral es crítico para la toma de decisiones en todas las etapas de la cadena de valor en la minería, ya que a partir de él se planifica cómo y cuándo extraer el mineral. Las muestras de sondajes representan menos del 1% del total del terreno y son muy costosas, siendo esto último la piedra de tope para agregar más sectores de muestreo. Con estos datos se utilizan métodos estadísticos que buscan predecir la calidad y ubicación del mineral en aquellos sectores sin información, donde siempre existen desviaciones y errores que impactan fuertemente a las siguientes etapas del proyecto. Esto último dado por la naturaleza misma de los métodos y por la directa relación entre la calidad de la estimación y la cantidad de muestras.
ANDES es un software de estimación de recursos minerales enfocado en aumentar la precisión de las predicciones en entre un 5 y un 15% (comparado con el método estándar de la industria, Kriging), a través de un nuevo algoritmo híbrido que combina geoestadística avanzada e inteligencia artificial. Esto último permite crear modelos de aprendizaje autónomos, agregar más variables de interés y modelar el comportamiento espacial. El software es de fácil y rápido uso, con una interfaz intuitiva y con mínima necesidad de capacitación.
El modelamiento del recurso mineral es crítico para la toma de decisiones en todas las etapas de la cadena de valor en la minería, ya que a partir de él se planifica cómo y cuándo extraer el mineral. Las muestras de sondajes representan menos del 1% del total del terreno y son muy costosas, siendo esto último la piedra de tope para agregar más sectores de muestreo. Con estos datos se utilizan métodos estadísticos que buscan predecir la calidad y ubicación del mineral en aquellos sectores sin información, donde siempre existen desviaciones y errores que impactan fuertemente a las siguientes etapas del proyecto. Esto último dado por la naturaleza misma de los métodos y por la directa relación entre la calidad de la estimación y la cantidad de muestras.
Errores en etapas iniciales impactan directamente en la planificación, teniendo consecuencias operativas (diseños ineficientes del método de explotación, proyección incorrecta de la producción o mal dimensionamiento de personal y flota), económicas (aumento exponencial de costos y disminución del beneficio económico total) y ambientales (escaso control sobre la emisión de contaminantes). Finalmente, un aumento o reducción del error impacta hasta 3 veces los flujos de caja y 6 veces el VAN del proyecto (Parker 2012).
ANDES es un software de estimación de recursos minerales enfocado en aumentar la precisión de las predicciones en entre un 5 y un 15% (comparado con el método estándar de la industria, Kriging), a través de un nuevo algoritmo híbrido que combina geoestadística avanzada e inteligencia artificial. Esto último permite crear modelos de aprendizaje autónomos, agregar más variables de interés y modelar el comportamiento espacial. El software es de fácil y rápido uso, con una interfaz intuitiva y con mínima necesidad de capacitación.
Este algoritmo híbrido resuelve la problemática de imprecisión de los métodos actuales y es único en el mercado. Además, puede ser aplicado en distintas etapas de un proyecto minero, desde la exploración hasta la explotación avanzada. En etapas tempranas, una buena estimación permite optimizar los estudios de viabilidad, definir el alcance del proyecto y sus actividades, y fomentar la inversión. En fases avanzadas, ayuda a controlar costos, tomar decisiones informadas y dirigir la planificación. Esto último es esencial, ya que se busca definir un plan de negocios que maximice los beneficios de la extracción y asegure la viabilidad del proyecto a largo plazo.
Las herramientas actuales utilizan el método de kriging para estimar, el cual presenta problemas como el suavizamiento y complejidad computacional lo que da resultados poco realistas a la hora de modelar un yacimiento. Nuestra herramienta combina esta técnica con machine learning incorporando de manera simple varias covariables y mejorando la precisión hasta en un 15% en la predicción de la variable de interés en el yacimiento.
Este es un software único en el mercado e impacta en que la reducción del error mejora en hasta seis veces el VAN de un proyecto. Brindamos a los profesionales información precisa de la ubicación, cantidad y calidad del mineral. De esta manera, se mejora la planificación y rentabilidad del negocio, se controla mejor la emisión de contaminantes y se aumenta la productividad.
Andesite es un spin-off del Laboratorio ALGES y del AMTC de la Universidad de Chile, lugar donde se conocieron sus fundadores: Fabián Soto, Christian Vidal y Paola Kohler.
Adicional al equipo fundador, el equipo está compuesto por Axel Troncoso, Ingeniero Civil en Minas que se desempeña como Data Analyst en Andesite. Está encargado de la realización de modelos de recursos minerales, desarrollo de software y creación de documentación técnica. Anteriormente generó modelos de clustering para identificación de comportamientos en operación del proceso de carguío y transporte para el departamento de analítica avanzada de Antofagasta Minerals en Minera Los Pelambres.
Si eres una empresa minera interesada en esta solución, contáctanos a través del formulario.
