Dominio seguro y controlado

A medida que más clientes en todo el mundo adoptan el enfoque de machine learning de Maptek para la creación de dominios, el ciclo de desarrollo se beneficia de la amplia retroalimentación de los usuarios. El último DomainMCF incorpora una nueva funcionalidad que aborda las necesidades reales y permite integrarlo en las operaciones diarias de los geólogos de minas y recursos.

Mantener un registro de auditoría para un proceso de modelamiento geológico predominantemente manual es a menudo difícil. Se requiere la participación directa de los geólogos para la edición manual de los códigos de la base de datos, la interpretación de los datos en pantalla o la adición de controles para asistir en la generación de estructuras alámbricas. Sin una pista de auditoría clara, no es posible replicar exactamente un proceso.

La última versión de DomainMCF guardará un archivo que incorpora los datos de entrada y el proceso de modelamiento de machine learning para uso futuro. El archivo de máquina resultante se puede descargar y archivar como un historial persistente del modelo geológico. A medida que se agregan más datos, se puede guardar un archivo de máquina para capturar los cambios incrementados.

El archivo persistente permite a los usuarios experimentar con las dimensiones de los bloques en los modelos resultantes. Las salidas con bloques de 20x20x20m se pueden realizar de forma rápida y validada visualmente. Si pasan todas las comprobaciones, se pueden extraer bloques principales o subbloques más pequeños del mismo archivo de máquina, manteniendo intacto el modelo subyacente.

La generación de resultados a partir del archivo de la máquina reduce el tiempo de modelamiento, en comparación con el reentrenamiento del modelo de machine learning para producir un tamaño de bloque diferente en el modelo resultante. Por ejemplo, los geólogos a menudo construyen modelos de subbloques para reflejar mejor los límites geológicos, mientras que los planificadores de minas a menudo requieren bloques regulares para la optimización de la mina.

Ahora, tanto los modelos regulares como los subbloqueados se pueden extraer de DomainMCF, lo que garantiza una salida uniforme de un archivo de modelo auditable.

El lanzamiento de DomainMCF en 2023 proporcionará un control de usuario aún mayor sobre el proceso de modelamiento.

Anteriormente, DomainMCF mostraba el tiempo de ejecución estimado para el proceso de modelamiento y luego proporcionaba una parada total si alcanzaba el doble de la estimación. Esto fue diseñado para proteger a los usuarios de agotar inesperadamente el saldo de su cuenta de suscripción.

Cuando se produjo la condición de parada forzosa, incluso cuando la barra de estado indicó que el modelamiento estaba tentadoramente cerca de completarse, el proceso se canceló automáticamente y el tiempo de cómputo transcurrido se volvió a agregar al saldo de la suscripción.

Ahora los clientes pueden configurar su preferencia para anular el límite de tiempo 2x y seguir procesando y si eligen hacerlo, establecer un límite superior para la duración del trabajo.

En el año 2021, DomainMCF introdujo la incertidumbre del dominio geológico, una función útil que permite a los geólogos ver áreas del depósito donde machine learning no podía predecir el dominio correcto.

Esto suele ocurrir cuando hay varios dominios muy próximos sin una jerarquía geológica clara. Sin embargo, cuando los datos son escasos en los márgenes de un modelo, la confianza de los límites geológicos suele ser engañosamente alta, ya que no hay otros dominios cercanos.

Ahora DomainMCF ofrece una opción para evaluar la distancia del punto de muestra y guardarla como una variable separada en las salidas del modelo de bloques. La distancia del punto de muestra mide la distancia desde el centroide del bloque hasta el punto de muestra de entrada más cercano y en combinación con la confianza del límite del dominio, proporciona una mejor medida de la certeza de la predicción del dominio.

El DomainMCF mejorado estará disponible para su descarga desde la cuenta de Maptek a principios de 2023.