Beruflich Dokumente
Kultur Dokumente
2019-2
2. PROBLEMA DE INVESTIGACIÓN:
2.1 DESCRIPCIÓN E IMPORTANCIA DEL PROBLEMA
En el Perú, el sector minero es uno de los pilares de la economía peruana, ya que tiene
un aporte considerable en el PBI (15%) y una participación en las exportaciones (60%).
Además, es uno de los sectores con más empleabilidad del país. Sin embargo, es un
sector en el que también existe un alto índice de accidentes leves y graves. Estos son
ocasionados por muchos factores, pero en su mayoría por sucesos como desprendimiento
de roca y asfixias por acumulación de gases tóxicos por una ineficiente ventilación. En
dichos lugares, el flujo de aire se ve alterado por alta concentración de gases nocivos o
la ausencia del oxígeno. Este problema en el 2018 representó un índice de 17.4% del
total de muertes en mina, ocupando así, el tercer lugar entre las causalidades más
frecuentes para accidentes fatales en el sector.
SEMINARIO DE INVESTIGACIÓN APLICADA II
2019-2
Fuente: OSINERGMIN
Asimismo, debe ser de conocimiento que en minería subterránea el consumo de aire que
requiere una persona para estar en condiciones óptimas de trabajo es de 3 metros cúbicos
por minuto. Este es un factor muy importante; sin embargo, varía a medida que aumenta
la profundidad de producción de la mina. A continuación se presenta una tabla con la
cantidad de oxígeno que debe tener una por persona dependiendo del nivel que se
encuentre.
Fuente: OSINERGMIN
Por otro lado, cuando hablamos de flujo de aire nos referimos a la velocidad mínima que
se requiere en toda mina subterránea para cumplir los estándares de condiciones
laborales que la ley lo estipula en sus artículos (DS 024-2016EM). El Decreto Supremo
024-2016EM, al que se rige toda la industria minera dice que la velocidad deberá estar
SEMINARIO DE INVESTIGACIÓN APLICADA II
2019-2
Fuente: OSINERGMIN
SEMINARIO DE INVESTIGACIÓN APLICADA II
2019-2
Pérdidas
Humanas
DEFICIENTE FLUJO DE
AIRE EN
MINAS SUBTERRÁNEAS
-Por la roca
Anhídrido Es la relación que
-Auto
carbónico existe entre presión
compresión del
aire Monóxido de de vapor de agua en
-Calor Generado carbono una mezcla dada y
por el personal, Gases nitrosos la presión de vapor
equipos y de agua para esa
Anhídrido
motores misma mezcla a la
-Procesos sulfuroso
misma temperatura.
SEMINARIO DE INVESTIGACIÓN APLICADA II
2019-2
3. CASO DE ESTUDIO
SEMINARIO DE INVESTIGACIÓN APLICADA II
2019-2
Fuente: Buenaventura
SEMINARIO DE INVESTIGACIÓN APLICADA II
2019-2
Por otra parte, se dio un receso en lo que respecta al mineral explotado y la ley de
cabeza.
Fuente: Buenaventura
CICLO DE MINADO
Una red neural artificial (ANN) se define como el esquema computacional distribuida
inspirado en la estructura del sistema nervioso de los seres humanos. Su estructura está
formada por la conexión de múltiples procesadores elementales, formando así, un
sistema adaptativo. Este sistema posee un algoritmo para ajustar los parámetros libres y
alcanzar los requisitos del desempeño del problema basado en muestra representativas.
Por ello, podemos señalar que una ANN es un sistema de computación distribuida
caracterizada por:
Además, es importante señalar que la propiedad más importante de las redes neuronales
artificiales es la capacidad de adquirir conocimientos en base al entrenamiento, es decir,
son capaces de encontrar un modelo que se ajuste a los datos. El proceso de aprendizaje
también es conocido como entrenamiento de la red neuronal.
En adición a ello también se sabe que las redes neuronales tienen un buen rendimiento
en el modelado de transformación no lineal y el reconocimiento de patrones. Las redes
neuronales han sido aplicadas en diversas áreas, como reconocimiento de voz, control
inteligente, ingeniería biológica y optimización no lineal. Uno ampliamente utilizado
el método de entrenamiento se basa en el algoritmo de propagación hacia atrás (BP)
que se puede aplicar para entrenar la neuronal multicapa redes Las redes neuronales se
pueden usar para identificar la hora de llegada instantes por la capacitación efectiva a
partir del monitoreo de datos. (Linqi Huanga,2018)
6. ANTECEDENTES DE LA PROPUESTA
la mejor predicción de las recuperaciones. Además de que se facilitó su uso por que una
RNA no necesita un algoritmo para resolver un problema ya que ellas pueden generar
su propia distribución de pesos en los enlaces mediante el aprendizaje.
7. MOTIVACION
Con este proyecto se espera lograr el análisis óptimo y preciso de factores que influyen
en el flujo de aire dentro de una mina subterránea. El análisis nos permitirá identificar
los factores más relevantes a tener en cuenta para el diseño de un sistema de ventilación.
Aplicar el método de redes neuronales es con la finalidad de obtener gran impacto por
su aporte que nos puede brindar en la minería del Perú. La implementación de la técnica
en el sector minero de por si será novedosa, ya que ha tenido gran influencia en otros
sectores como la medicina y en los negocios.
8. REFERENCIAS BIBLIOGRÁFICAS
Manuel Sebastián, (14 de Setiembre del 2019). REDES NEURONALES
APLICADAS A LOS NEGOCIOS: ANALISIS DE UN CASO
https://ri.itba.edu.ar/bitstream/handle/123456789/1062/Tesis%20Manuel%20G
%C3%B3mez%20de%20Lima.pdf?sequence=1&isAllowed=y/
Osinergmin(2018) Análisis Estadístico de Seguridad y Compendio Ilustrativo
de Accidentes en el Sector de Mediana Minería y Gran Minería –
2018.Recuperado de
SEMINARIO DE INVESTIGACIÓN APLICADA II
2019-2
http://www.osinergmin.gob.pe/seccion/centro_documental/mineria/Documentos
/Publicaciones/Compendio-Ilustrativo-Accidentes-Mineria-2018.pdf
Yoandrys, M. T., Yusimit Karina, Z. H., Paco, J. V., Mario Paúl, P. V., Joao
Lázaro Bárzaga Quesada, & López Bustamante, R. J. (2018). Comparación
entre redes neuronales artificiales y regresión múltiple para la predicción de la
rugosidad superficial en el torneado en seco. Ingenius, (19), 79-88.
doi:http://dx.doi.org/10.17163/ings.n19.2018.08.
Matich, D. (2001). Redes Neuronales: Conceptos Básicos y Aplicaciones. (
Cátedra de Informática Aplicada a la Ingeniería de Procesos – Orientación I)
Recuperado de
https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/m
onograias/matich-redesneuronales.pdf
José r. hilera, / víctor j. Martínez, redes neuronales artificiales, edición: addison-
weley iberoamericana España, 2000
Linqi Huanga,, Jun Lic, Hong Haob,c, Xibing L(2018) Micro-seismic event
detection and location in underground mines by using Convolutional Neural
Networks (CNN) and deep learning, Tunnelling and Underground Space
Technology(81), 265-276
Pedro Isasi Viñuela. Redes de Neuronas Artificiales. Ediciones PEARSON,
Pretince Hall,2005
Carrión Osnayo, Cristian (2018). aplicación de redes neuronales artificiales para
la predicción de la recuperación de planta concentradora en minsur s.a. – unidad
san Rafael. (tesis inédita de bachillerato). universidad nacional de san Agustín
de Arequipa. Arequipa – Perú