Menú
¿Cómo podemos ayudar?
Exploración y Geología
Utilice sus datos de exploración al máximo para construir modelos y estimaciones más precisos para informar de mejor manera a planificación mina.
Aprende Más
Wednesday, April 14th, 2021
Machine Learning combinado con computación en la nube, está destinado a liberar la cadena de suministro geológico para permitir que las empresas aprovechen mejor un activo clave: su modelo geológico.
Abril de 2021 ve el lanzamiento al mercado de DomainMCF, una plataforma que Maptek dice que “devolverá la geología a los geólogos”. El geólogo y líder del proyecto, Steve Sullivan, dijo que los geólogos alimentan los datos de sondajes y obtienen modelos de dominio o ley en mucho menos tiempo que los métodos tradicionales de modelado de recursos.
DomainMCF aplica métodos de aprendizaje profundo y computación de big data para generar límites de dominio directamente a partir de datos de muestra de sondajes. La generación rápida de modelos de recursos cambia las reglas del juego para las operaciones.
Evita los cuellos de botella que se pueden crear al esperar modelos actualizados y evita los riesgos de utilizar información no actual para planificar el trabajo actual.
Los modelos DomainMCF también contienen una medida incorporada de incertidumbre, que permite a las empresas evaluar la variabilidad en su modelo frente a factores externos como los mercados de productos básicos y los pedidos de los clientes.
Los modelos de incertidumbre pueden cuantificar mejor los niveles de confianza al evaluar recursos y reservas, reduciendo la subjetividad en torno al proceso.
Steve Sullivan, Jefe Técnico de DomainMCF, dijo que las decisiones basadas en humanos no pueden competir con Machine Learning para satisfacer las demandas comerciales de información precisa y actualizada sobre el recurso.
La computación en la nube proporciona el músculo de procesamiento, lo que reduce la necesidad de costosos sistemas de escritorio de alta gama que pueden bloquearse en un proceso que ejecuta software de modelamiento tradicional.
Sullivan dijo que además de ayudar a aliviar los cuellos de botella, la tecnología ha demostrado ser aplicable en el modelamiento predictivo para el control de leyes, la focalización de litología, la planificación de perforaciones, la calidad de la roca geotécnica y la programación estratégica.
“En el modelamiento de recursos, tiene una gran ventaja en la creación de valor. Cuando comienza a ver el impacto en los procesos posteriores, sabe que la inversión ha valido la pena”.
“Por lo tanto, obtener mejores modelos con un factor de incertidumbre incorporado y obtenerlos más rápido y con menos manipulación manual de datos, es el ganador para los geólogos”.
Sullivan es extremadamente optimista sobre el potencial de la tecnología de Machine Learning, comparando la magnitud de las mejoras con las desbloqueadas para los geólogos en las décadas de 1980 y 1990 cuando el modelado computarizado reemplazó los mapas y planos impresos.
“Las condiciones que involucran mercados volátiles y cadenas de suministro interrumpidas, subrayan la importancia de poder girar”, dijo Sullivan. “Las nuevas tecnologías como DomainMCF levantan la mano cuando las empresas intentan racionalizar sus necesidades de sistemas y buscan procesos más rentables y efectivos”.
“No conozco ninguna operación minera que pueda hacer las mismas cosas de la misma manera que lo hacían en el pasado”, agregó Sullivan. “Cada empresa tiene que tomar algún tipo de acción para mantenerse a la vanguardia de la tecnología y permitir que sus equipos aprovechen lo que se ofrece”.
Maptek es positivo sobre el impacto de DomainMCF, citando los comentarios del Programa de Acceso Temprano y la categoría de software que ganó en los Premios de la Revista Minera 2020.
