Durante el mes de abril, parte del equipo de profesionales de Geoblast anunciaron su participación en el próximo 58th US Rock Mechanics / Geomechanics Symposium, una prestigiosa reunión organizada por la Asociación Americana de Mecánica de Rocas y la Escuela de Minas de la Universidad de Colorado.
El equipo, compuesto por Rafael Otaíza, Líder I+D, Óscar Jimenez, Ingeniero Proyecto Software Minero, Rafaela Sartori, Ingeniera Trainee, y Miguel Vera, Ingeniero Innovación Trainee, ha logrado la aprobación de un abstract para presentar en el evento. El document, titulado “Machine Learning (ML) model for blasting and seismic event classification on Chilean copper mines”, presenta una innovadora solución para la discriminación de eventos sísmicos y de tronaduras.
En entrevista con Otaíza, se detalló el trabajo llevado a cabo en torno a la plataforma de Geoblast GB-Cloud, software dedicado al monitoreo de vibraciones y vinculada comúnmente con sismógrafos de la marca suiza Syscom.
La plataforma desempeña un papel crucial al recopilar y analizar datos de vibraciones registrados en el terreno. Sin embargo, surge un desafío fundamental: La distinción entre eventos como tronaduras y sismos, dado que los sensores en terreno no están diseñados para tal discriminación.
De acuerdo con Otaíza, en la actualidad este proceso resulta un consumo extremo de tiempo para el profesional: “Los ingenieros que están a cargo de esto pierden un día o un día y medio a la semana solo en limpieza de la base de datos”.
Para abordar esta problemática, el equipo ha desarrollado un modelo de Machine Learning que permite clasificar con precisión los eventos registrados. Rafaela Sartori contribuyó con la creación de la base de datos para el entrenamiento del algoritmo, mientras que Rafael, junto a Óscar Jimenez y Miguel Vera, lideraron el proceso de ingeniería de atributos.
El enfoque se destacó por su capacidad para comprender las características distintivas de las ondas registradas y aplicarlas en la construcción de un modelo efectivo. El equipo logró una precisión del 97%, es decir: “En solo 3 de cada 100 eventos, el equipo se equivoca al decir si corresponde a sismo o tronadura”, explicó Otaíza.
De esta forma, el modelo es capaz de diferenciar con alta confiabilidad entre eventos sísmicos y de tronaduras.
(*) La participación de Geoblast en el Simposio representa un hito significativo en su búsqueda constante de innovación, en esta ocasión en el campo de la monitorización de vibraciones.
