Browsing by Author "Salas Morales, Juan Carlos"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Desarrollo de un gemelo digital para una refinería electrolítica de cobre
    (2025) Minder Águila, Javiera Paulina; Núñez Retamal, Felipe Eduardo; Salas Morales, Juan Carlos; Pontificia Universidad Católica de Chile. Escuela de Ingeniería
    La refinación electrolítica de cobre enfrenta hoy mayor variabilidad en la composición de los ánodos y crecientes exigencias de competitividad. Para apoyar la toma de decisiones, se desarrolló un gemelo digital basado en datos históricos de una refinería electrolítica de cobre en Chile. La base de datos incluye 20 variables de entrada y 6 de salida (2016-2022). Se preprocesó mediante interpolación lineal y normalización Min-Max, técnica que mostró menor error y mejor preservación de rangos que la estandarización. El flujo de modelado tiene dos niveles: Nivel 1, modelos por sección que predicen la composición del electrolito y los cortocircuitos; Nivel 2, modelos que estiman la calidad de los cátodos a partir de esas salidas. La arquitectura utilizada es un encoder–decoder con capas LSTM. Los hiperparámetros se ajustaron por optimización bayesiana y la validación cruzada mitigó el sobreajuste. Los modelos se entrenaron y validaron con tres ventanas: 2016-2018, 2016-2022 y 2020-2022. En todas, el desempeño fue similar para el electrolito (aproximadamente 5 % MAPE) y la calidad de cátodos aproximadamente 1 %), pero la predicción de cortocircuitos mejoró con los datos 2020-2022, bajando el error a menos de un 10 %. El análisis de sensibilidad confirmó que densidades de corriente más altas incrementan los cortocircuitos y disminuyen la eficiencia de corriente o que el enriquecimiento de Sb en los ánodos disminuye la solubilidad de As en el electrolito. Los modelos se integraron en una interfaz interactiva capaz de evaluar escenarios y mostrar su impacto sobre indicadores críticos. La validación externa corroboró su precisión y definió criterios de reentrenamiento. Se concluye que un gemelo digital basado en aprendizaje profundo es viable y útil para anticipar la calidad de cátodos y evaluar estrategias operativas, confirmando la hipótesis de la investigación.
  • 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.
  • No Thumbnail Available
    Item
    Tailored Process Feedback Through Process Mining for Surgical Procedures in Medical Training: The Central Venous Catheter Case
    (2019) De La Fuente Sanhueza, Rene Francisco; Fuentes Henríquez, Ricardo Sergio; Herskovic, Maida Valeria Paz; Muñoz Gama, Jorge; Sepúlveda Fernández, Marcos Ernesto; Salas Morales, Juan Carlos
    In healthcare, developing high procedural skill levels through training is a key factor for obtaining good clinical results on surgical procedures. Providing feedback to each student tailored to how the student has performed the procedure each time, improves the effectiveness of the training. Current state-of-the-art feedback relies on Checklists and Global Rating Scales to indicate whether all process steps have been performed and the quality of each execution step. However, there is a process perspective not successfully captured by those instruments, e.g., steps performed but in an undesired order, part of the process repeated an unnecessary number of times, or excessive transition time between steps. In this work, we propose a novel use of process mining techniques to effectively identify desired and undesired process patterns regarding rework, order, and performance, in order to complement the tailored feedback of surgical procedures using a process perspective. The approach has been effectively applied to analyze a real Central Venous Catheter installation training case. In the future, it is necessary to measure the actual impact of feedback on learning.