Browsing by Author "Mu, Yuyang"

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Data-Driven Synthesis of a Geometallurgical Model for a Copper Deposit
    (2023) Mu, Yuyang; Salas, Juan Carlos
    Geometallurgy integrates aspects of geology, metallurgy, and mine planning in order to improve decision making in mining schedules. A geometallurgical model is a 3D space that is typically synthesized from early-stage small-scale samples and is composed of several metallurgical units, or domains. This work explores the synthesis of a geometallurgical model for a copper deposit using a purely data-driven unsupervised approach. To this end, a dataset of 1112 drill samples is used, which are clustered using different methods, namely, k-means, hierarchical clustering (AGG), self-organizing maps (SOM), and DBSCAN. Two cluster validity indices (Silhouette and Calinski-Harabasz) are used to select the final model. To validate the potential of the proposed approach, a simulated economic evaluation is conducted. Results demonstrate that k-means exhibits a better performance in terms of modeling and that using the obtained geometallurgical model for mining scheduling increases the project's Net Present Value (NPV) by as much as 4%. Based on these results, the proposed methodology is an appealing alternative for generating geometallurgical models within greenfield, brownfield and ongoing operations.
  • Thumbnail Image
    Item
    Generación de un modelo geometalúrgico de un yacimiento de Cobre en base a técnicas de aprendizaje de máquinas
    (2022) Mu, Yuyang; Núñez Retamal, Felipe Eduardo; Salas Morales, Juan Carlos; Pontificia Universidad Católica de Chile. Escuela de Ingeniería
    La gran cantidad de factores involucrados en los proyectos mineros es una de las causas de la complejidad que estos proyectos presentan. La eficiencia de la inversión minera es un tema crucial en esta industria, donde los problemas más comunes en la ejecución de los proyectos son el sobrepasar la inversión estimada y/o sobreestimar de la capacidad de procesamiento de la planta. El concepto emergente de modelo geometalúrgico de un yacimiento es una probable solución, incidiendo en mejoras en la toma de decisiones. El objetivo general de esta tesis es diseñar, implementar y validar un modelo geometalúrgico de un yacimiento de cobre, utilizando técnicas de aprendizaje no supervisado. Una contribución importante de este trabajo es la aplicación en un yacimiento de cobre, junto con la evaluación del impacto al valor de proyecto. Este estudio, utiliza una base de datos de 569 sondajes con 1112 vectores de datos, que contienen variables espaciales de ubicación, concentración de distintos elementos, datos de procesamiento metalúrgico, mineralogía y variables geológicas. Se evalúan distintas combinaciones de datos de entrada preprocesada y la reducción de dimensiones, junto con la aplicación de k-means, agrupación jerárquica (AGG), DBSCAN y mapa autoorganizado. Se mide la calidad del modelo geometalúrgico a través de indicadores de validación interna de agrupación. Finalmente, el principal resultado obtenido es la generación de un modelo geometalúrgico con la técnica de aprendizaje de máquinas donde el algoritmo k-means tiene mejor desempeño. Los resultados indican que es posible excluir las variables espaciales y categóricas de geología. La aplicación de la técnica de reducción de dimensión no mejora el desempeño del modelo. Adicionalmente, en la evaluación del impacto al valor del proyecto, la aplicación del modelo geometalúrgico afecta la secuencia de extracción y presenta una mejora de orden de 4% en el valor.