El Aprendizaje Automático combina la estadística y la informática para que los ordenadores aprendan a realizar una tarea determinada sin necesidad de ser programados. Al igual que su cerebro utiliza la experiencia para mejorar en sus tareas, los ordenadores también pueden hacerlo. Echemos un vistazo a algo muy utilizado en todo el mundo. La búsqueda en Google. Cada vez que utilizas la búsqueda de Google, estás utilizando un sistema con muchos sistemas de aprendizaje automático en su núcleo. Desde comprender el texto de tu consulta hasta ajustar los resultados en función de tus intereses, pasando a qué resultados de búsqueda se te muestran primero. El Aprendizaje Automático y la Inteligencia Artificial son un término que se ha publicitado en muchas industrias, a menudo prometiendo beneficios excesivos y dejando al público indeciso. En Cascadia Scientific, nuestra misión es hacer que el aprendizaje automático sea comprensible y esté disponible para las minas a cielo abierto. Las operaciones mineras generan cantidades masivas de datos. A medida que el volumen de datos aumente y supere la capacidad de los seres humanos para darles sentido, recurriremos cada vez más a sistemas automatizados que puedan aprender de los datos y, lo que es más importante, deducir su significado. En Cascadia Scientific, utilizamos técnicas de Aprendizaje Automático para extraer significado y conocimiento de los equipos móviles de minería. Si utilizamos a los camiones de carga como ejemplo, la eficiencia operativa de un camión se ve influida por varios factores que incluyen características específicas de los equipos, tales como: a) la edad del motor o el grado de desgaste de sus componentes, b) variables globales como el clima y el estado de la red de carreteras y, c) características del transporte que varían entre los ciclos de transporte, incluido el conductor del camión y su carga de trabajo asignada. Entonces, ¿cómo obtenemos valor de este conjunto de datos? Entrenando modelos de aprendizaje automático. La plataforma Cascadia Scientific incluye varios sensores IIoT para garantizar el suministro de datos precisos y de alta calidad. Esto incluye medidores de flujo de combustible, acelerómetros, sensores de altitud y posicionamiento y datos de la red de vehículos. El conjunto de datos resultante permite a Cascadia entrenar y analizar potentes modelos estadísticos. En el caso de los camiones de transporte, solemos emplear dos tipos de modelos para el análisis del ciclo de transporte: Regresión Lineal y Árboles Potenciados por Gradiente o Gradient Boosted Tree (GBTs). Estos modelos proporcionan información y acciones que pueden mejorar casi todos los aspectos de una operación de transporte de carga. Ya se trate de mantenimiento, operaciones, diseño de minas, previsiones o gestión de emisiones, las oportunidades son muchas. Consulta los siguientes casos prácticos para ver cómo se han beneficiado las minas del Aprendizaje Automático. ¿Qué es el Aprendizaje Automático?
¿Cómo se aplica el Aprendizaje Automático a la minería?
Un modelo es tan bueno como los datos que se le proporcionan.
Ejemplos de Aplicaciones del Aprendizaje Automático en Minería
